为了验证上一篇博文中的算法,自己稍作修改,即利用openCv里的图像结构。为了简单,直接采用Mat.at<uchar>(i,j)进行图像操作,效率肯定低,如果感兴趣可参考http://blog.csdn.net/caiye917015406/article/details/7791815改进算法。不过这里只是测试效果,就将就吧。。。
在算法中要手动选取阀值进行图像的二值化,这给分水岭算法的效果有很大影响。也曾采用openCv里的cvAdaptiveThreshold自动选取 寻求,但效果还不如不好,期待改进。。。
以下是测试代码
#include<iostream>
#include <queue>
#include <vector>
#include<cv.h>
#include<highgui.h>
using namespace std;
using namespace cv;
void Watershed_1(const Mat OriginalImage,Mat SeedImage,Mat LabelImage);
/*====================================================================
函数名: Watershed
功能: 用标记-分水岭算法对输入图像进行分割
算法实现: 无
输入参数说明: OriginalImage --输入图像(灰度图,0~255)
SeedImage --标记图像(二值图,0-非标记,1-标记)
LabelImage --输出图像(1-第一个分割区域,2-第二个分割区域,...)
返回值说明: 无
====================================================================*/
int main()
{
//声明变量
IplImage *OriginalImage,*SeedImage,*LabelImage,*LabelImage2;
OriginalImage=cvLoadImage("D:\\openCV\\openCVProject\\img\\stuff.jpg",CV_LOAD_IMAGE_GRAYSCALE);
//OriginalImage_gray =cvCreateImage(cvGetSize(OriginalImage), 8,1);
// cvtColor( OriginalImage, OriginalImage, CV_BGR2GRAY );//转化为灰度图
cvNamedWindow("sorc");
cvNamedWindow("seed");
cvNamedWindow("result1");
cvNamedWindow("result2");
//创建操作图像
LabelImage = cvCreateImage(cvGetSize(OriginalImage), 8,1);
SeedImage = cvCreateImage(cvGetSize(OriginalImage), 8,1);
LabelImage2= cvCreateImage(cvGetSize(OriginalImage), 8,3);
//图像二值化,要手动取阀值
cvThreshold(OriginalImage,SeedImage,195,1,CV_THRESH_BINARY);
//cvAdaptiveThreshold(OriginalImage,SeedImage,100);
cvShowImage("sorc",OriginalImage);
cvShowImage("seed",SeedImage);
Watershed_1( OriginalImage,SeedImage, LabelImage);
cvShowImage("result1",LabelImage);
//找出处理后的轮廓
CvMemStorage* storage = cvCreateMemStorage();
CvSeq* first_contour =NULL;
int Nc = cvFindContours(LabelImage,storage,&first_contour,sizeof(CvContour),CV_RETR_CCOMP);
int n=0;
printf("Toatal Contours Detected: %d\n",Nc);
cvZero(LabelImage2);
//画出处理后的轮廓
for(CvSeq* c=first_contour;c!=NULL;c=c->h_next)
{
//cvCvtColor(img_8uc1,img_8uc3,CV_GRAY2BGR);
cvDrawContours(LabelImage2,c,CV_RGB(0,200,0), CV_RGB(255, 0, 0),2,2,8);
//printf("Contour #%d\n",n);
//cvShowImage("result",LabelImage);
//printf("%d elements:\n",c->total);
//for(int i=0;i<c->total;++i)
//{
//CvPoint* p = CV_GET_SEQ_ELEM(CvPoint,c,i);
//printf("(%d,%d)\n",p->x,p->y );
//}
//cvWaitKey(0);
n++;
}
cvShowImage("result2",LabelImage2);
//cvShowImage("result2",markers);
cvWaitKey(0);
cvReleaseImage(&OriginalImage);
cvDestroyWindow("sorc");
cvReleaseImage(&SeedImage);
cvDestroyWindow("seed");
cvReleaseImage(&LabelImage);
cvDestroyWindow("result1");
cvReleaseImage(&LabelImage2);
cvDestroyWindow("result2");
return 0;
}
void Watershed_1(const Mat OriginalImage,Mat SeedImage,Mat LabelImage)
{
int row,col;
row = OriginalImage.rows;
col = OriginalImage.cols;
//标记区域标识号,从1开始
int Num=0;
int i,j;
//保存每个队列种子个数的数组
vector<int*> SeedCounts;
//临时种子队列
queue<POINT> quetem;
//保存所有标记区域种子队列的数组,里面放的是种子队列的指针
vector<queue<POINT>*> vque;
int* array;
//指向种子队列的指针.at<uchar>(i,j)
queue<POINT> *pque;
POINT temp;
for(i=0;i<row;i++)
{
for(j=0;j<col;j++)
LabelImage.at<uchar>(i,j)=0;
}
int m,n,k=0;
BOOL up,down,right,left,upleft,upright,downleft,downright;//8 directions...
//预处理,提取区分每个标记区域,并初始化每个标记的种子队列
//种子是指标记区域边缘的点,他们可以在水位上升时向外淹没(或者说生长)
//pan's words:我的理解是梯度值较小的象素点,或者是极小灰度值的点。
for(i=0;i<row;i++)
{
for(j=0;j<col;j++)
{
//如果找到一个标记区域
if(SeedImage.at<uchar>(i,j)==1)
{
//区域的标识号加一
Num++;
//分配数组并初始化为零,表示可有256个灰阶
array=new int[256];
ZeroMemory(array,256*sizeof(int));
//种子个数数组进vector,每次扫描则生成一个数组,并用区域标识号来做第一维。灰度级做第二维。
//表示某个盆地区域中某灰阶所对应的点的数目。
SeedCounts.push_back(array);
//分配本标记号的优先队列,256个种子队列,
//表示对应一个灰阶有一个队列,并且每个队列可以存储一个集合的点信息
pque=new queue<POINT>[256];
//加入到队列数组中,对应的是本标记号Num的
vque.push_back(pque);
//当前点放入本标记区域的临时种子队列中
temp.x=i;
temp.y=j;
quetem.push(temp);
//当前点标记为已处理
LabelImage.at<uchar>(i,j)=Num;
SeedImage.at<uchar>(i,j)=127;//表示已经处理过
//让临时种子队列中的种子进行生长直到所有的种子都生长完毕
//生长完毕后的队列信息保存在vque中,包括区域号和灰阶,对应点数存储在seedcounts中
while(!quetem.empty())
{
up=down=right=left=FALSE;
upleft=upright=downleft=downright=FALSE;
//队列中取出一个种子
temp=quetem.front();
m=temp.x;
n=temp.y;
quetem.pop();
//注意到127对扫描过程的影响,影响下面的比较,但是不影响while语句中的扫描
if(m>0)
{
//上方若为可生长点则加为新种子
if(SeedImage.at<uchar>(m-1,n)==1)
{
temp.x=m-1;
temp.y=n;
quetem.push(temp);//如果这样的话,那么这些标记过的区域将再次在while循环中被扫描到,不会,因为值是127
//新种子点标记为已淹没区域,而且是当前区域,并记录区域号到labelImage
LabelImage.at<uchar>(m-1,n)=Num;
SeedImage.at<uchar>(m-1,n)=127;
}
else//否则上方为不可生长
{
up=TRUE;
}
}
if(m>0&&n>0)
{
if(SeedImage.at<uchar>(m-1,n-1)==1)//左上方若为可生长点则加为新种子
{
temp.x=m-1;
temp.y=n-1;
quetem.push(temp);
//新种子点标记为已淹没区域,即下一个循环中以127来标识不再扫描,而且是当前区域
LabelImage.at<uchar>(m-1,n-1)=Num;
SeedImage.at<uchar>(m-1,n-1)=127;
}
else//否则左上方为不可生长
{
upleft=TRUE;
}
}
if(m<row-1)
{
if(SeedImage.at<uchar>(m+1,n)==1)//下方若为可生长点则加为新种子
{
temp.x=m+1;
temp.y=n;
quetem.push(temp);
//新种子点标记为已淹没区域,而且是当前区域
LabelImage.at<uchar>(m+1,n)=Num;
SeedImage.at<uchar>(m+1,n)=127;
}
else//否则下方为不可生长
{
down=TRUE;
}
}
if(m<(row-1)&&n<(col-1))
{
if(SeedImage.at<uchar>(m+1,n+1)==1)//下方若为可生长点则加为新种子
{
temp.x=m+1;
temp.y=n+1;
quetem.push(temp);
//新种子点标记为已淹没区域,而且是当前区域
LabelImage.at<uchar>(m+1,n+1)=Num;
SeedImage.at<uchar>(m+1,n+1)=127;
}
else//否则下方为不可生长
{
downright=TRUE;
}
}
if(n<col-1)
{
if(SeedImage.at<uchar>(m,n+1)==1)//右方若为可生长点则加为新种子
{
temp.x=m;
temp.y=n+1;
quetem.push(temp);
//新种子点标记为已淹没区域,而且是当前区域
LabelImage.at<uchar>(m,n+1)=Num;
SeedImage.at<uchar>(m,n+1)=127;
}
else//否则右方为不可生长
{
right=TRUE;
}
}
if(m>0&&n<(col-1))
{
if(SeedImage.at<uchar>(m-1,n+1)==1)//右上方若为可生长点则加为新种子
{
temp.x=m-1;
temp.y=n+1;
quetem.push(temp);
//新种子点标记为已淹没区域,而且是当前区域
LabelImage.at<uchar>(m-1,n+1)=Num;
SeedImage.at<uchar>(m-1,n+1)=127;
}
else//否则右上方为不可生长
{
upright=TRUE;
}
}
if(n>0)
{
if(SeedImage.at<uchar>(m,n-1)==1)//左方若为可生长点则加为新种子
{
temp.x=m;
temp.y=n-1;
quetem.push(temp);
//新种子点标记为已淹没区域
LabelImage.at<uchar>(m,n-1)=Num;
SeedImage.at<uchar>(m,n-1)=127;
}
else//否则左方为不可生长
{
left=TRUE;
}
}
if(m<(row-1)&&n>0)
{
if(SeedImage.at<uchar>(m+1,n-1)==1)//左下方若为可生长点则加为新种子
{
temp.x=m+1;
temp.y=n-1;
quetem.push(temp);
//新种子点标记为已淹没区域
LabelImage.at<uchar>(m+1,n-1)=Num;
SeedImage.at<uchar>(m+1,n-1)=127;
}
else//否则左方为不可生长
{
downleft=TRUE;
}
}
//上下左右只要有一点不可生长,那么本点为初始种子队列中的一个
//这里可否生长是由seedimage中的值来决定的。
if(up||down||right||left||
upleft||downleft||upright||downright)
{
temp.x=m;
temp.y=n;
//下面这个矢量数组:第一维是标记号;第二维是该图像点的灰度级
//m,n点对应的是while循环里面扫描的像素点。
//Num是当前的区域号
//这样这个二维信息就表示了,某个区域中对应某个灰度级对应的成员点的集合与个数
//分别由下面两个量来表达
vque[Num-1][OriginalImage.at<uchar>(m,n)].push(temp);//这两句中我把Num-1改成了Num...pan's codes...
SeedCounts[Num-1][OriginalImage.at<uchar>(m,n)]++;
}
}//while结束,扫描到quetem为空而止。也就是对应所有的节点都得到不可生长为止(或者是周围的点要么不可生长,要么已生长)
}//if结束
}
}
//在上述过程中,如果标记的点为0则表示,没有扫描到的点,或者表明不是输入的种子点
//这里相当于是找seedimage传过来的初始区域的分水岭界线的所有的点;并且用标号记录每个区域,同时集水盆的边缘点进入队列。
//上面是找集水盆的程序。同时也是连通区域。
漫水//
bool actives;//在某一水位处,所有标记的种子生长完的标志
int WaterLevel;
//淹没过程开始,水位从零开始上升,水位对应灰度级,采用四连通法
for(WaterLevel=0;WaterLevel<180;WaterLevel++)//第二维。。。
{
actives=true;
while(actives)
{
actives=false;
//依次处理每个标记号所对应的区域,且这个标记号对应的区域的点的个数在SeedCounts里面
for(i=0;i<Num;i++)//第一维。。。
{
if(!vque[i][WaterLevel].empty())//对应的分水岭不为空集,i表示区域号,waterlevel表示灰阶
{
actives=true;
while(SeedCounts[i][WaterLevel]>0)
{
SeedCounts[i][WaterLevel]--;//取出一个点,个数少一
temp=vque[i][WaterLevel].front();//取出该区域的一个点,清空这个边缘点,表示当前
//灰度级该像素已经处理掉了。
vque[i][WaterLevel].pop();
m = temp.x;
n = temp.y;//当前种子的坐标
if(m>0)
{
if(!LabelImage.at<uchar>(m-1,n))//上方若未处理,表示没有标号,应该在输入前已经作过初始化为0
//本函数中在开头也作过初始化
{
temp.x=m-1;
temp.y=n;
LabelImage.at<uchar>(m-1,n)=i+1;//上方点标记为已淹没区域
//注意到这个标记是与扫描点的区域号相同,一定在这个标号所属的区域吗?是的
//这样在下一轮至少会扫描到这个点,确保不遗漏,但是下一轮的处理会使它合理
//归类吗?问题还有这样标记并没有一定将它加入到种子队列。也就是说它
//只是被淹没而不能向上淹没。只有满足下述可生长条件才行。
if(OriginalImage.at<uchar>(m-1,n)<=WaterLevel)//上方若为可生长点则加入当前队列,当前高度的队列
{
vque[i][WaterLevel].push(temp);
}
else//否则加入OriginalImage[m-1][n]对应的灰度级的队列,为什么?
{
vque[i][OriginalImage.at<uchar>(m-1,n)].push(temp);
SeedCounts[i][OriginalImage.at<uchar>(m-1,n)]++;
}
}
}
if(m<row-1)
{
if(!LabelImage.at<uchar>(m+1,n))//下方若未处理
{
temp.x=m+1;
temp.y=n;
LabelImage.at<uchar>(m+1,n)=i+1;//下方点标记为已淹没区域
if(OriginalImage.at<uchar>(m+1,n)<=WaterLevel)//下方若为可生长点则加入当前队列
{
vque[i][WaterLevel].push(temp);
}
else//否则加入OriginalImage[m+1][n]级队列
{
vque[i][OriginalImage.at<uchar>(m+1,n)].push(temp);
SeedCounts[i][OriginalImage.at<uchar>(m+1,n)]++;
}
}
}
if(n<col-1)
{
if(!LabelImage.at<uchar>(m,n+1))//右边若未处理
{
temp.x=m;
temp.y=n+1;
LabelImage.at<uchar>(m,n+1)=i+1;//右边点标记为已淹没区域
if(OriginalImage.at<uchar>(m,n+1)<=WaterLevel)//右边若为可生长点则加入当前队列
{
vque[i][WaterLevel].push(temp);
}
else//否则加入OriginalImage[m][n+1]级队列
{
vque[i][OriginalImage.at<uchar>(m,n+1)].push(temp);
SeedCounts[i][OriginalImage.at<uchar>(m,n+1)]++;
}
}
}
if(n>0)
{
if(!LabelImage.at<uchar>(m,n-1))//左边若未处理
{
temp.x=m;
temp.y=n-1;
LabelImage.at<uchar>(m,n-1)=i+1;//左边点标记为已淹没区域
if(OriginalImage.at<uchar>(m,n-1)<=WaterLevel)//左边若为可生长点则加入当前队列
{
vque[i][WaterLevel].push(temp);
}
else//否则加入OriginalImage[m][n-1]级队列
{
vque[i][OriginalImage.at<uchar>(m,n-1)].push(temp);
SeedCounts[i][OriginalImage.at<uchar>(m,n-1)]++;
}
}
}
}//while循环结束
SeedCounts[i][WaterLevel]=vque[i][WaterLevel].size();
}//if结束
}//for循环结束
}//while循环结束
}//for循环结束
while(!vque.empty())
{
pque=vque.back();
delete[] pque;
vque.pop_back();
}
while(!SeedCounts.empty())
{
array=SeedCounts.back();
delete[] array;
SeedCounts.pop_back();
}
}