圖像分割-分水嶺算法

名稱:謝謝遠。

學號:19021110366t。

簡介:圖像中的目標物體是連在壹起的，分割起來非常困難。分水嶺分割算法常被用來處理這類問題，通常會取得較好的效果。

嵌入牛鼻:圖像分割和分水嶺算法

嵌入式牛問題:分水嶺算法的具體步驟是什麽？

鑲嵌牛文字:

壹.概述

分水嶺分割算法將圖像視為“地形圖”，其中亮度強的區域像素值較大，而較暗的區域像素值較小。通過尋找“集水盆地”和“分水嶺邊界”，圖像被分割。但是，直接應用分水嶺分割算法的效果往往並不好。如果在圖像中區分前景物體和背景物體，分水嶺算法會取得更好的分割效果。基於標記控制的分水嶺分割方法的基本步驟如下:

1?總結

分水嶺分割算法將圖像視為“地形圖”，其中亮度強的區域像素值較大，而較暗的區域像素值較小。通過尋找“集水盆地”和“分水嶺邊界”，圖像被分割。直接應用分水嶺分割算法效果往往不好。如果在圖像中區分前景物體和背景物體，分水嶺算法會取得更好的分割效果。基於標記控制的分水嶺分割方法的基本步驟如下:

1.計算配分函數。圖像中較暗的區域是要分割的對象。

2.計算前景標誌。這些是連接在每個物體內部的斑點像素。

3.計算背景標記。這些元素不屬於任何對象。

4.修改分段函數，使其僅在前景和背景標記位置具有最小值。

5.對修改後的分割函數進行分水嶺變換計算。

使用MATLAB圖像處理工具箱

註意:這期間使用了很多圖像處理工具箱的函數，如fspecial、imfilter、watershed、label2rgb、imopen、imclose、imreconstruct、imcomplement、imregionalmax、bwareaopen、graythresh和imimposemin函數。

2?步驟

？第壹步:讀入彩色圖像，轉換成灰度圖像。

clc全部清除；全部關閉；

RGB = im read(' pears . png ')；

如果ndims(rgb) == 3

？I = RGB 2 gray(RGB)；

其他

？I = rgb

結束

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

第二步:取梯度幅度作為分割函數。

利用sobel邊緣算子對圖像進行水平和垂直方向的濾波，然後計算模值。經過Sobel算子濾波後的圖像會在邊界處表現出比較大的值，而在邊界處的值會很小。

hy = f special(' Sobel ')；

hx = hy '；

Iy = imfilter(double(I)，hy，' replicate ')；

Ix = imfilter(double(I)，hx，' replicate ')；

gradmag = sqrt(Ix。^2 + Iy。^2);

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(1，2，1)；Imshow(I，[])，標題(“灰度圖像”)

支線劇情(1，2，2)；Imshow(gradmag，[])，標題(“梯度振幅圖像”)

分水嶺算法可以直接用於梯度幅度圖像嗎？

L =分水嶺(grad mag)；

lrgb = label 2 RGB(L)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(1，2，1)；Imshow(gradmag，[])，標題(“梯度振幅圖像”)

支線劇情(1，2，2)；imshow(Lrgb)；標題(“梯度振幅的分水嶺變換”)

直接利用梯度模圖像的分水嶺算法得到的結果往往存在過度分割。因此，通常需要分別標記前景對象和背景對象，以獲得更好的分割效果。

第三步:標記前景物體。

這裏可以應用許多方法來獲得前景標記，這些標記必須是前景對象內部的連接斑點像素。在這個例子中，形態學技術“基於開的重建”和“基於閉的重建”將被用於清理圖像。這些操作將在每個對象內創建壹個單位最大值，以便可以使用imregionalmax來定位它。

開式操作和閉式操作:先腐蝕後膨脹稱為開式操作；腐蝕前的膨脹稱為閉合。開閉操作可以去除比結構元素更小的特定圖像細節，同時保證不會發生全局幾何畸變。開運算可以過濾掉比結構元素小的尖峰，切斷細長的重疊，起到分離的作用；封閉操作可以填充比結構元素小的縫隙或孔洞，重疊短的間隔，起到連接作用。

開運算是腐蝕後的擴張，開基重建(基於重建的開運算)是腐蝕後的形態重建。我們來比較壹下這兩種方式。首先用imopen做打開操作。

se = strel('disk '，20)；

Io = imopen(I，se)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(1，2，1)；imshow(I，[])；標題(“灰度圖像”)；

支線劇情(1，2，2)；Imshow(Io)，標題(“操作中的圖像”)

接下來，通過腐蝕後的重建來進行基於開口的重建計算。

Ie = imerode(I，se)

Iobr = imreconstruct(即I)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(1，2，1)；imshow(I，[])；標題(“灰度圖像”)；

支線劇情(1，2，2)；Imshow(Iobr，[])，標題(“基於開放的重建圖像”)

打開操作後，暗點和分支標記可通過關閉操作去除。比較傳統的形態學閉運算和基於閉運算的重建運算。首先，使用imclose:

Ioc = imclose(Io，se)；

Ic = inclose(I，se)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(2，2，1)；imshow(I，[])；標題(“灰度圖像”)；

支線劇情(2，2，2)；imshow(Io，[])；標題(“打開操作圖像”)；

支線劇情(2，2，3)；imshow(Ic，[])；標題(“關閉操作圖像”)；

支線劇情(2，2，4)；Imshow(Ioc，[])，title('開閉操作')；

現在使用imdilate，然後使用imreconstruct。註意，必須補充輸入圖像，並且必須補充imreconstruct輸出圖像。IM2 = IMcomplement(IM)計算圖像IM的補碼。IM可以是二進制圖像或RGB圖像。IM2和IM具有相同的數據類型和大小。

io brd = im dilat(Iobr，se)；

iobrcbr = im reconstruct(im complement(Iobrd)，im complement(Iobr))；

Iobrcbr = im complement(Iobrcbr)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(2，2，1)；imshow(I，[])；標題(“灰度圖像”)；

支線劇情(2，2，2)；imshow(Ioc，[])；標題(“打開和關閉操作”)；

支線劇情(2，2，3)；imshow(Iobr，[])；標題(“基於開放的重建圖像”)；

支線劇情(2，2，4)；Imshow(Iobrcbr，[])，title('閉基重建圖像')；

通過比較Iobrcbr和loc可以看出，在不影響物體全局形狀的情況下，去除小汙點的應用下，基於重建的開閉操作比標準的開閉重建更有效。計算Iobrcbr的局部最大值以獲得更好的前景標記。

FGM = imregionalmax(Iobrcbr)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(1，3，1)；imshow(I，[])；標題(“灰度圖像”)；

支線劇情(1，3，2)；imshow(Iobrcbr，[])；標題(“基於重構的開閉操作”)；

支線劇情(1，3，3)；imshow(fgm，[])；標題(“局部最大圖像”)；

為了幫助理解這個結果，前景標記被疊加在原始圖像上。

It1 = rgb(:，:，1)；

It2 = rgb(:，:，2)；

It3 = rgb(:，:，3)；

it 1(FGM)= 255；it2(FGM)= 0；it3(FGM)= 0；

I2 = cat(3，It1，It2，It3)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(2，2，1)；imshow(rgb，[])；標題(“原圖”)；

支線劇情(2，2，2)；imshow(Iobrcbr，[])；標題(“基於重構的開閉操作”)；

支線劇情(2，2，3)；imshow(fgm，[])；標題(“局部最大圖像”)；

支線劇情(2，2，4)；imshow(I2)；標題('局部最大疊加到原圖')；

請註意，大多數遮擋和陰影對象都沒有標記，這意味著這些對象在結果中不會被合理地分割。此外，壹些對象的前景標記將壹直到對象的邊緣。這意味著標記點的邊緣應該被清潔，然後收縮。可以通過閉合操作和蝕刻操作來完成。

se2 = strel(ones(5，5))；

fgm2 = imclose(fgm，se2)；

fgm3 = imerode(fgm2，se2)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(2，2，1)；imshow(Iobrcbr，[])；標題(“基於重構的開閉操作”)；

支線劇情(2，2，2)；imshow(fgm，[])；標題(“局部最大圖像”)；

支線劇情(2，2，3)；imshow(fgm2，[])；標題(“關閉操作”)；

支線劇情(2，2，4)；imshow(fgm3，[])；標題(“腐蝕操作”)；

這個過程會留下壹些偏離的孤立像素，應該去除。您可以使用bwareaopen來移除少於特定像素數的斑點。BW2 = bwareaopen(BW，P)從二值圖像中去除值小於P個像素的連通塊，得到另壹幅二值圖像BW2。

fgm4 = bwareaopen(fgm3，20)；

It1 = rgb(:，:，1)；

It2 = rgb(:，:，2)；

It3 = rgb(:，:，3)；

it 1(FGM 4)= 255；it2(FGM 4)= 0；it3(FGM 4)= 0；

I3 = cat(3，It1，It2，It3)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(2，2，1)；imshow(I2，[])；標題('局部最大疊加到原圖')；

支線劇情(2，2，2)；imshow(fgm3，[])；標題(“封閉腐蝕操作”)；

支線劇情(2，2，3)；imshow(fgm4，[])；標題(“小斑點去除操作”)；

支線劇情(2，2，4)；imshow(I3，[])；標題('修改局部最大值疊加到原圖')；

第四步:計算背景標記。

現在，妳需要標記背景。在清理後的圖像Iobrcbr中，暗像素屬於背景，可以從閾值操作入手。

bw =im2bw(Iobrcbr，gray thresh(Iobrcbr))；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(1，2，1)；imshow(Iobrcbr，[])；標題(“基於重構的開閉操作”)；

支線劇情(1，2，2)；imshow(bw，[])；標題(“閾值分割”)；

背景像素在黑色區域中，但是理想地，不需要背景標記太靠近要分割的對象的邊緣。通過計算“骨架影響範圍”，對SKIZ和bw的背景，或者說前景進行“細化”。這可以通過計算bw的距離變換的分水嶺變換，然後求結果的分水嶺脊線(DL==0)來實現。D = BWdist(BW)計算二值圖像BW的歐幾裏德矩陣。對於BW的每個像素，距離變換指定該像素與BW的最近非零像素之間的距離。默認情況下，Bwdist使用歐幾裏德距離公式。BW可以有任意維數，D和BW大小相同。

d = bw dist(bw)；

DL =分水嶺(D)；

bgm = DL = = 0；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；

支線劇情(2，2，1)；imshow(Iobrcbr，[])；標題(“基於重構的開閉操作”)；

支線劇情(2，2，2)；imshow(bw，[])；標題(“閾值分割”)；

支線劇情(2，2，3)；imshow(label2rgb(DL)，[])；標題('分水嶺變換圖')；

支線劇情(2，2，4)；imshow(bgm，[])；標題(‘分水嶺變換嶺圖’)；

步驟5:計算分割函數的分水嶺變換。

函數imimposemin可用於修改圖像，使其僅在特定的所需位置具有局部最小值。這裏可以使用Imimposemin來修改梯度幅度圖像，以便它只在前景和背景標記像素中具有局部最小值。

gradmag2 = imimposemin(gradmag，bgm | FGM 4)；

figure('單位'，'歸壹化'，'位置'，[0 0 1 1])；