分水岭 代码

# Author：Winter Liu is coming!
import cv2 as cv
import numpy as np


def watershed_demo(image):
    # 偏移均值滤波
    blur = cv.pyrMeanShiftFiltering(image, 10, 100)
    # 转换为灰度图像
    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
    # 二值化，注意 THRESH_BINARY_INV（背景白色） 和 THRESH_BINARY（背景黑色）
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    # 构造矩形结构元素
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    # 两次 开操作（先腐蚀，再膨胀） 消除噪点
    mb = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel, iterations=2)
    # 膨胀3次 放大需要的区域
    sure_bg = cv.dilate(mb, kernel, iterations=3)
    cv.imshow("sure_bg", sure_bg)
    # 距离变换，目标白色255，背景黑色0，像素点距离背景越远，距离越大，使用距离值替代像素值
    dist = cv.distanceTransform(mb, cv.DIST_L2, 5)
    print(dist.dtype)

    # distanceTransform()返回的图像数据是浮点数,显示时大于1的都会按照白色1.0处理
    cv.imshow("dist", dist)
    # 对图像进行归一化处理
    dist_output = cv.normalize(dist, 0, 1.0, cv.NORM_MINMAX)
    # 放大像素点值，避免值过小无法显示效果
    cv.imshow("dist-t", dist_output*60)

    ret, sure_fg = cv.threshold(dist, dist.max()*0.6, 255, cv.THRESH_BINARY)
    cv.imshow("sure-fg", sure_fg)

    surface_fg = np.uint8(sure_fg)
    unknown = cv.subtract(sure_bg, surface_fg)
    cv.imshow("unknown", unknown)
    # ret种子数，从种子开始向外涨水
    # markers：与原图像大小相同，数据类型为 int32 的数组，包含原图像的确认区域的数据
    ret, markers = cv.connectedComponents(surface_fg)
    print(ret)
    # 确定分类的区域使用不同的正整数标记，unknown区域使用 0 标记
    # connectedComponents()会在标签中 将背景标为 0，
    # 其他的使用从 1 开始的正整数标记（其实这就是我们的种子，水漫时会从这里漫出）
    # 如果背景标记为 0，为了区分未知区域，将背景区域+1
    markers += 1
    markers[unknown == 255] = 0
    # 开始漫水
    markers = cv.watershed(image, markers)
    image[markers == -1] = [0, 0, 255]
    cv.imshow("result", image)


src = cv.imread(r"C:PycharmProjectsOpenCVpiccoins.jpg")
cv.imshow("original_pic", src)
watershed_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()