美文网首页
OpenCV+Python图像分割

OpenCV+Python图像分割

作者: 音符纸飞机 | 来源:发表于2018-07-19 13:10 被阅读767次

分水岭算法

用于分割多个相邻的物体。

原理

灰度图像根据灰度值可以把像素之间的关系看成山峰和山谷的关系,高亮度(灰度值高)的地方是山峰,低亮度的地方是山谷。给每个孤立的山谷(局部最小值)不同颜色的水(label),当水涨起来,根据周围的山峰(梯度),不同的山谷也就是不同的颜色会开始合并,要避免这个,可以在水要合并的地方建立障碍,直到所有山峰都被淹没。所创建的障碍就是分割结果,这个就是分水岭的原理,但是这个方法会分割过度,因为有噪点,或者其他图像上的错误。所以OpenCV实现的分水岭算法,可以指定哪些是要合并的点,哪些不是,我们要做的是给不同的标签。给我们知道是前景或者是目标用一种颜色加上标签,给我们知道是背景或者非目标加上另一个颜色,最后不知道是什么的区域标记为0。
这篇文章翻译地很好了:
OpenCV-Python教程:31.分水岭算法对图像进行分割

markers = cv2.watershed(img, markers)
# img: 8-bit 3-channel image
# markers: 32-bit single-channel
# markers(input): 0表示未知区域, 其他正数表示确定是不同物体的标签
# markers(output): -1表示是边界
# 初始化marker的基本套路
img = cv2.imread('xxx.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
# noise removal
kernel = np.ones((3,3), np.uint8)
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations = 2)

# sure background area
sure_bg = cv2.dilate(opening, kernel, iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)
ret, sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers + 1

# Now, mark the region of unknown with zero
markers[unknown==255] = 0

GrabCut算法

Grabcut算法论文
原理博文
用于分割出图像中的前景。

mask = cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None)
"""
img:   8-bit 3-channel image
mask:  8-bit single-channel 最终的结果,shape和img一样
       当mode设置为cv2.GC_INIT_WITH_MASK时,需要用户自己对mask进行初始化
       矩阵里面只有四个值:
              GC_BGD    = 0,  //背景
              GC_FGD    = 1,  //前景 
              GC_PR_BGD = 2,  //可能背景
              GC_PR_FGD = 3   //可能前景 
rect: 一块矩形区域,矩形外面一定是背景,当mode设置为cv2.GC_INIT_WITH_RECT时,才会使用
bgdModel, fgdModel: 算法过程中用到的临时矩阵,不用管,传None即可
mode: 
    cv2.GC_INIT_WITH_RECT
    cv2.GC_INIT_WITH_MASK
"""

RECT可以通过findContour等方式获得
获得mask之后,从源图像中提取前景的方法

mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
img = img * mask2[:, :, np.newaxis]

相关文章

  • OpenCV+Python图像分割

    分水岭算法 用于分割多个相邻的物体。 原理 灰度图像根据灰度值可以把像素之间的关系看成山峰和山谷的关系,高亮度(灰...

  • 分水岭算法图像分割(OpenCV+Python)

    本文内容是对Opencv官方文档的学习笔记 原理 我们可以将任何一幅灰度图都看作是拓扑平面,灰度图中灰度值高的看作...

  • 图像分割

    图像分割 什么是图像分割? 图像分割就是预测图像中每一个像素所属的类别或者物体。图像分割有两个子问题,一个是只预测...

  • 图像分割算法总结

    图像处理的很多任务都离不开图像分割。因为图像分割在cv中实在太重要(有用)了,就先把图像分割的常用算法做个总...

  • 我所了解的图像分割

    图像分割是我大二2019年做的东西,这篇文章用来总结。 一、什么是图像分割 分语义【像素级别图像】,实例【分割物体...

  • 图像分割

    一、图像分割包括以下三种思路: A)基于灰度级的不连续性来查找区域间的边界;(Edge Detect)(霍夫变换和...

  • 图像分割

    python_iris python iris 分类 机器学习笔记

  • 图像分割

    1、阈值分割 1.1 简介 图像阈值化分割是一种传统的最常用的图像分割方法,因其实现简单、计算量小、性能较稳定而成...

  • 图像分割

    一、语义分割  图像语义分割的目标是标记图像每个像素的类别。因为我们需要预测图像中的每个像素,所以此任务通常被称为...

  • 基于caffe的FCN图像分割(一)

    前言 在计算视觉领域,除了图像分类,目标检测,目标跟踪之外,图像分割也是研究的热点之一。 图像分割的常用医学图像,...

网友评论

      本文标题:OpenCV+Python图像分割

      本文链接:https://www.haomeiwen.com/subject/psjopftx.html