Cws图像分割

裴来凡

发布于 2022-05-28 16:57:45

4970

发布于 2022-05-28 16:57:45

import cv2
import numpy as np
from skimage.segmentation import felzenszwalb, slic, quickshift, watershed
from skimage.segmentation import mark_boundaries
from skimage.util import img_as_float
img=cv2.imread('C:/Users/xpp/Desktop/Lena.png')#原始图像
cv2.imshow("img",img)
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#将彩色图片转换为灰度图片
gradient=cv2.Sobel(gray,cv2.CV_64F,1,1)#当dx=1,dy=1时，Sobel运算
segments_watershed=watershed(gradient,markers=250,compactness=0.001)#Compact watershed segmentation分割
print('Compact watershed segmentation number of segments: {}'.format(len(np.unique(segments_watershed))))
result=mark_boundaries(img,segments_watershed)#标记边界
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

Compact watershed segmentation number of segments: 256

算法：分水岭算法（Compact watershed segmentation）计算图像中已给定标记浸没的分水岭的各集水盆，并将像素分配到标记的集水盆中。该算法需要灰度梯度图像作为输入（将图像视为地表面），其中高亮像素表示区域之间的边界（形成高峰）。从给定的标志开始，然后这个地表面被浸没，直到不同的集水盆在山峰汇合。每个不同的集水盆形成一个不同的图像片段。正如在SLIC中所做的那样，还有一个额外的紧密度参数，它使得标记难以浸没较远的像素。紧密度值越高，集水区域的形状越规则。

dst=skimage.segmentation.watershed(img, markerse, connectivity, offset, mask, compactness, watershed_line)