分水岭算法分析.docx

算法流程解读：1.读取文件2 .BGR转灰度3 .获取图片大小4 .中值滤波，去除斑点噪声5 .OTSU二值化，图像化为黑白两色,THRESH_BINARY表示大于阈值为255（白色），反之为0（黑色）。生成的图像赋予变量th。6 .定义内核矩阵kernel,对th进行形态学开运算，先腐蚀后膨胀用来消除小型白色区域，赋予变量img（相反，MORPH<L0SE对应闭运算，先膨胀后腐蚀，用于消除小型黑色区域）7 .定义背景，为img进行膨胀运算所得（注意膨胀与腐蚀均针对图像中高亮区域,即白色区域所进行的操作）8 .距离变换，输出dist_transform为每个点到最近的0像素点（黑色）的距离。9 .定义前景，对距离变换的输出dist_transform进行阈值化，阈值设置为CliStJtranSform最大值的0.7倍，大于该值的点将会被赋为255白色，否则为0黑色。由于8步骤处dist_transform表示每个点到0（黑色）的距离，即距离越远约大，故处理后，距离远的点为白色，距离近的点为黑色。10 .定义unknown为背景减前景。11 .通过COnneCtedCOmPOnentS函数获取前景中连通域信息，返回连通域个数numlabels,与连通域的标记图像labelsim,每个点表示当前为第几个连通域。12.获取unknown中白色区域位置，将labels_im对应位置赋予0（黑色）13.定义IabeLhue、blank_ch,用于将图像不同连通域域颜色区分。14 .执行分水岭算法，输入原图imagejaw与连通域标记图像labels_im,算法会将区域与区域之间的部分（分水岭）置为T,结果赋予IabeIS15 .将原图的分水岭部分颜色置为255,0,0红色16 .输出处理结果图与连通域标记分析：从算法流程上讲，该算法意在对图像不同的区域进行分割与划分操作，最终输出各个区域的划分结果。由于采用的是灰度值的运算操作，故进能对图像不同亮度的区域进行划分。并且算法对于二值化时的阈值设置较为敏感，特别是图像色彩、明暗不均时，很难有合适的阈值使得算法能够较好的划分不同区域。结果分析：原算法从逻辑上有些许bug,步骤13对不同区域颜色的区分似乎没有意义。步骤5中将明处标记为白，暗处标记为黑。虽然白色黑色是相对的，但前述步骤的很多操作都是针对白色区域（膨胀、颜色标记等），而却将白色定义为了bg背景，反而将黑色定义为了fg前景。此时UnknOWn参数的定义似乎找不到合适的解释，并且调用watershed函数的意义也不明确（对背景进行分割？虽然调整参数依旧能够得到结果，但还是感觉有些奇怪。可以看到在当前算法下，由于目标与图像边界,导致了背景被划分为不同区域，而算法将背景标记为了不同颜色。而不同的连通域却没有被正确标记（颜色都为红）。watershed算法在此处发挥的作用似乎也不能被理解，划分结果意义不明。运算结果：可以看到修正后的算法将标记的是不同连通域，而背景统一为红色。很难用语言描述，但算法综合测试下来，我认为应当是步骤5中的二值化方法选取问题，若将THRESHBINARY修改为THRESHBINARYlNV就没有上述逻辑问题了，即将背景标记为黑色而前景标记为白色,此时膨胀、相减操作便很好理解了，膨胀即扩张目标区域，相减后unknown即表示由于该区域为临界区域暂无法确定是前景/背景，后续颜色标记也表示为不同目标区域。算法逻辑自洽。 , Raw Image X运算结果：图像一些较小的黑色区域被滤波掉了，同时分水岭算法正确的将一些链接在一起的圈点进行了分割：