分水岭变换图像分割接触对象

分水岭变换

% 使用分水岭变换分割来分离接触对象

% 分水岭变换分割将图像中的“分水岭流域”和“分水岭脊线”

% 视为一个亮像素高、暗像素低的曲面

% 如果可以识别或“标记”前景对象和背景位置、效果更好

% 分水岭变换分割遵循以下基本程序：

%% 步骤1: 读取图片、转为灰度图

rgb = imread('pears.png');

I = rgb2gray(rgb);

imshow(I)

%% 步骤2: 使用梯度幅度作为分割函数

% 计算梯度大小。梯度在对象边界处较高，而在对象内部较低（大部分情况下）。

gmag = imgradient(I);

imshow(gmag,[])

title('梯度幅度')

% 不能用分水岭变换直接在梯度幅度上分割图像

L = watershed(gmag);

Lrgb = label2rgb(L);

imshow(Lrgb)

title('直接在梯度幅度上分割图像')

% 如果不进行预处理，例如下面的标记计算

% 直接使用分水岭变换通常会导致“过度分割”

%% 步骤3: 标记前景对象

% 可以应用各种程序来查找前景标记

% 只要这些标记能连接每个前景对象内的像素块

% 此处使用形态学开操作和闭操作来“清理”图像

% 在每个对象内创建平面最大值

% 首先使用imopen

se = strel('disk',20);

Io = imopen(I,se);

imshow(Io)

title('开操作')

% 然后利用IMERODE腐蚀、imreconstruct重建

Ie = imerode(I,se);

Iobr = imreconstruct(Ie,I);

imshow(Iobr)

title('腐蚀&重建')

% 闭操作可以去除暗点

Ioc = imclose(Io,se);

imshow(Ioc)

title('闭操作')

% 利用IMERODE膨胀、imreconstruct重建

Iobrd = imdilate(Iobr,se);

Iobrcbr = imreconstruct(imcomplement(Iobrd),imcomplement(Iobr));

Iobrcbr = imcomplement(Iobrcbr);

imshow(Iobrcbr)

title('开闭重建')

% 从IOBRCBR与IOC的比较中可以看出

montage({Iobrcbr,Ioc}, 'Size', [2 1]);

% 基于重建的开操作和关闭比标准的开操作和闭操作更有效

% 可以在不影响对象整体形状的情况下消除小瑕疵

% 计算出IOBRCBR的区域最大值

% 得到良好的前景标记

fgm = imregionalmax(Iobrcbr);

imshow(fgm)

title('区域最大值')

% 将前景标记图像叠加到原始图像上、效果明显

I2 = labeloverlay(I,fgm);

imshow(I2)

title('前景标记图像叠加')

% 一些被遮挡和阴影下的对象没有被标记

% 这些对象在最终结果中不会被正确分割

% 一些对象中的前景标记靠近对象的边缘

% 可以清理标记块的边缘，将其缩小一点

% 先关操作然后腐蚀

se2 = strel(ones(5,5));

fgm2 = imclose(fgm,se2);

fgm3 = imerode(fgm2,se2);

% 会留下一些必须删除的杂散孤立像素

% 可以使用bwAreaOpen来删除二进制图像中像素小于p的所有连接组件

fgm4 = bwareaopen(fgm3,20);

I3 = labeloverlay(I,fgm4);

imshow(I3)

title('原始图像上叠加修正过的区域最大值')

%% 步骤4: 标记背景

% 在清理后的图像中，黑色像素属于背景

% 可以从阈值操作开始

bw = imbinarize(Iobrcbr);

imshow(bw)

title('阈值操作')

% 理想情况下，我们不希望背景标记太靠近我们要分割的对象的边缘

% 通过计算前景的“阴影骨架”来“细化”背景(欧氏距离变换bwdist)

% 可以通过计算距离变换的分水岭变换、然后寻找结果的分水岭线来实现

D = bwdist(bw);

DL = watershed(D);

bgm = DL == 0;

imshow(bgm)

title('分水岭线')

%% 步骤5: 计算分割函数的分水岭变换

% 使用imimposemin修改渐变幅度图像

% 使其唯一的区域最小值出现在前景和背景标记像素上

gmag2 = imimposemin(gmag, bgm | fgm4);

% 最后，我们准备好计算基于分水岭的分割

L = watershed(gmag2);

%% 步骤6: 结果可视化

% 一种可视化技术是在原始图像上叠加前景标记、背景标记和分割的对象边界

% 对象边界位于l==0的位置

% 二进制前景和背景标记被缩放为不同的整数值，以便它们被分配不同的标签

labels = imdilate(L==0,ones(3,3)) 2*bgm 3*fgm4;

I4 = labeloverlay(I,labels);

imshow(I4)

title('分割结果可视化')

% 另一种有用的可视化技术是将标签矩阵显示为彩色图像

% 可以使用label2rgb转换为TrueColor图像进行可视化

Lrgb = label2rgb(L,'jet','w','shuffle');

imshow(Lrgb)

title('TrueColor分割结果可视化')

% 可以使用透明度将此伪彩色标签矩阵叠加到原始强度图像的上层

figure

imshow(I)

hold on

himage = imshow(Lrgb);

himage.AlphaData = 0.3;

title('伪彩色标签矩阵叠加')