一、简介
分水岭算法是一种图像区域分割法，分割的过程中将图片转化为灰度图，然后我会将灰度值看作是海拔，然后向较低点注水，这种基于地形学的解释，我们着重考虑三种点：
极小值点，该点对应一个盆地的最低点，当我们在盆地里滴一滴水的时候，由于重力作用，水最终会汇聚到该点。注意：可能存在一个最小值面，该平面内的都是极小值点。
盆地的其它位置点，该位置滴的水滴会汇聚到局部最小点。
盆地的边缘点，是该盆地和其它盆地交接点，在该点滴一滴水，会等概率的流向任何一个盆地。
明白上述三种点之后，我们开始往盆地的极小值点注水，然后随着注水的深入，每一个极小值点慢慢的向外扩展，然后知道两个盆地的水汇合，汇合处就是我们需要的分水岭。
从下图可以直观理解一下，首先这三块区域都含有极小值点
然后逐渐填充就能获得分水岭（即分界线）
得到分界线就能完成图像分割：
二、源代码
-
clear, close all;
-
clc;
-
%1.读取图像并求取图像的边界。
-
-
rgb = imread(
'tree.jpeg');
%读取原图像
-
I = rgb2gray(rgb);
%转化为灰度图像
-
figure; subplot(
121)
%显示灰度图像
-
imshow(I)
-
text(
732,
501,
'Image courtesy of Corel',
'FontSize',
7,
'HorizontalAlignment',
'right')
-
hy = fspecial(
'sobel');
%sobel算子,应用sobel算子锐化图像
-
hx = hy';
-
Iy = imfilter(double(I), hy,
'replicate');
%滤波求y方向边缘
-
Ix = imfilter(double(I), hx,
'replicate');
%滤波求x方向边缘
-
gradmag = sqrt(Ix.^
2 + Iy.^
2);
%求摸
-
subplot(
122); imshow(gradmag,[]),
%显示梯度
-
title(
'Gradient magnitude (gradmag)')
-
-
%2. 直接使用梯度模值进行分水岭算法：（往往会存在过的分割的情况，效果不好）
-
-
L = watershed(gradmag);
%直接应用分水岭算法
-
Lrgb = label2rgb(L);
%转化为彩色图像
-
figure; imshow(Lrgb),
%显示分割后的图像
-
title(
'Watershed transform of gradient magnitude (Lrgb)')
%过分割现象
-
-
%3.分别对前景和背景进行标记：本例中使用形态学重建技术对前景对象进行标记，首先使用开操作，开操作之后可以去掉一些很小的目标。
-
%开和闭这两种运算可以除去比结构元素小的特定图像细节，同时保证不产生全局几何失真。
-
%开运算可以把比结构元素小的突刺滤掉，切断细长搭接而起到分离作用；
-
%闭运算可以把比结构元素小的缺口或孔填充上，搭接短的间断而起到连接作用。
-
se = strel(
'disk',
4);
%圆形结构元素,STREL('disk',R,N),R is the specified radius, When N is greater than 0, the disk-shaped structuring
-
%element is approximated by a sequence of N
-
Io = imopen(I, se);
%形态学开操作
-
figure; subplot(
121)
-
imshow(Io),
%显示执行开操作后的图像
-
title(
'Opening (Io)')
-
Ie = imerode(I, se);
%对图像进行腐蚀，基本参数：待处理的输入图像以及结构元素对象
-
Iobr = imreconstruct(Ie, I);
%形态学重建
-
subplot(
122); imshow(Iobr),
%显示重建后的图像
-
title(
'Opening-by-reconstruction (Iobr)')
-
Ioc = imclose(Io, se);
%形态学关操作，首先膨胀,然后腐蚀,两个操作使用同样的结构元素
-
figure; subplot(
121)
-
imshow(Ioc),
%显示关操作后的图像
-
title(
'Opening-closing (Ioc)')
-
Iobrd = imdilate(Iobr, se);
%对图像进行膨胀，基本参数：待处理的输入图像和结构元素对象。
-
Iobrcbr = imreconstruct(imcomplement(Iobrd), ...
-
imcomplement(Iobr));
%形态学重建
-
Iobrcbr = imcomplement(Iobrcbr);
%图像求反
-
subplot(
122); imshow(Iobrcbr),
%显示重建求反后的图像,figure4
-
title(
'Opening-closing by reconstruction (Iobrcbr)')
-
%As you can see by comparing Iobrcbr with Ioc,
-
%reconstruction-based opening and closing are more
-
%effective than standard opening and closing at removing
-
%small blemishes without affecting the overall
-
%shapes of the objects. Calculate the regional maxima
-
%of Iobrcbr to obtain good foreground markers.
-
fgm = imregionalmax(Iobrcbr);
%局部极大值
-
figure; imshow(fgm),
%显示重建后局部极大值图像,figure5
-
title(
'Regional maxima of opening-closing by reconstruction (fgm)')
-
I2 = I;
%前景标记图与原图叠加
-
I2(fgm) =
255;
%局部极大值处像素值设为255
-
figure; imshow(I2),
%在原图上显示极大值区域,figure6
-
title(
'Regional maxima superimposed on original image (I2)')
-
se2 = strel(ones(
3,
3));
%结构元素
-
fgm2 = imclose(fgm, se2);
%关操作
-
fgm3 = imerode(fgm2, se2);
%腐蚀
-
fgm4 = bwareaopen(fgm3,
20);
%开操作
-
I3 = I;
-
I3(fgm4) =
255;
%前景处设置为255
-
figure; subplot(
121)
-
imshow(I3)
%显示修改后的极大值区域,figure7
-
title(
'Modified regional maxima')
-
bw = im2bw(Iobrcbr, graythresh(Iobrcbr));
%转化为二值图像
-
subplot(
122); imshow(bw),
%显示二值图像,figure7
-
title(
'Thresholded opening-closing by reconstruction')
-
-
%4. 进行分水岭变换并显示：
-
-
D = bwdist(bw);
%计算距离
-
DL = watershed(D);
%分水岭变换
-
bgm = DL ==
0;
%求取分割边界
三、运行结果
四、备注
完整代码或者仿真咨询添加QQ1575304183
转载：https://blog.csdn.net/weixin_50197058/article/details/117050136
查看评论