基于分水岭算法的图像分割-Matlab版本

精选原创

domi+1 2022-12-15 12:30:58 博主文章分类：matlab ©著作权

文章标签 Io 分水岭算法彩色图像 文章分类 其它编程语言 yyds干货盘点 阅读数179

✅作者简介：热爱科研的算法开发者，Python、Matlab项目可交流、沟通、学习。
🍎个人主页：算法工程师的学习日志

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：

1）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。

2）盆地的其它位置点，该位置滴的水滴会汇聚到局部最小点。

3）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

clear, close all;
clc;
%1.读取图像并求取图像的边界。

rgb = imread('1.png');%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', 20);%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(5,5));%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：

DL = watershed(Iobrcbr);%分水岭变换
figure
imshow(DL)
title('分水岭')
labels = imdilate(DL==0,ones(3,3));
I4 = labeloverlay(I,labels);
figure
imshow(I4)
title('分水岭边界线')

%%
% 将标签矩阵显示为彩色图像。标签矩阵
Lrgb = label2rgb(DL,'jet','w','shuffle');
figure
imshow(Lrgb)
title('分水岭Label')
%%
figure
imshow(I)
hold on
himage = imshow(Lrgb);
himage.AlphaData = 0.2; % 使用透明方式将此伪颜色标签矩阵叠加到原始强度图像上
title('彩色Label')

基于分水岭算法的图像分割-Matlab版本

基于分水岭算法的图像分割-Matlab版本

Recommend

图像语义分割的工作原理和CNN架构变迁

最全综述 | 图像分割算法

图像分割中的深度学习：U-Net 体系结构

MATLAB——基于图像相减的纸牌识别系统

大盘点 | 2020年5篇图像分割算法最佳综述

基于迁移学习的语义分割算法分享与代码复现

图像分割之最小割与最大流算法

【图像处理笔记】图像分割之形态学分水岭 - 湾仔码农

基于U-Net网络的图像分割的MindStudio实践 - 华为云开发者联盟

基于U-Net网络的图像分割的MindStudio实践

About Joyk