经典分水岭算法的 C++ 实现
这个程序是研一下学期的计算机视觉课程大作业,完成于 2013/06/16,是对 Soille 和 Vincent(1991)提出的模拟浸没的分水岭算法的实现,详见下面的报告。
源码托管在 Github 上:点击进入链接
可执行程序及测试图片:点击进入链接
一、算法概述:
分水岭算法是一种图像分割算法,本报告是对Soille和Vincent(1991)提出的模拟浸没的分水岭算法的实现,算法包括2个部分:第一个部分是排序;第二部分为泛洪。算法描述如下:
(1)将原图像转为二值图,对各像素点的灰度值进行从小到大排序,相同的灰度值为同一个层级。
(2)处理第一个层级所有的像素点,如果其邻域已经被标识属于某一个区域,则将这个像素加入一个先进先出的队列。
(3)先进先出队列非空时,弹出第一个元素。扫描该像素的邻域像素,如果其邻域像素的灰度属于同一层(灰度值相等),则根据邻域像素的标识来刷新该像素的标识。一直循环到队列为空。
(4)再次扫描当前灰度值层级的像素,如果还有像素未被标识,说明它是一个新的极小区域,则当前区域的值(当前区域的值从0开始计数)加1后赋值给该为标识的像素。然后从该像素出发继续执行步骤(3)的泛洪直至没有新的极小区域。
(5)返回步骤(2),处理下一个灰度值层级的像素,直至所有层级的像素都被处理。
二、算法实现(C++、opencv、VS2010):
1、主要类说明(具体说明见附录源码中的注释):
(1)WatershedPixel类:根据灰度值对图像像素进行排序。
(2)WatershedStructure类:用于存储像素点WatershedPixel,并生成各像素点的邻域像素。
(3)WaterShedAlgorithm类:分水岭核心算法,包括图像预处理,泛洪和分水线绘制。
2、使用说明:
在命令提示符(cmd)中进入ws.exe(分水岭算法的可执行文件)和图片所在文件夹,
输入:ws image_name
输出:
image_name_BW.jpg ——原图像对应的二值图
image_name_Gray.jpg ——原图像对应的灰度图
image_name_Gray_WS.jpg ——在灰度图中绘制的分水线
image_name_WS.jpg ——在黑色背景中绘制的分水线
3、其他说明:
本算法实现借助开源的opencv库对图像进行读取、输出和预处理(格式转换等),ws.exe运行时需要opencv相关的动态链接库(附件中的dll文件)。
三、算法测试:
1、灰度图:


2、彩色图:






四、结果分析:
(1)该算法实现相对简单,速度快,分割效果不错。
(2)但是在噪声影响下会出现过分割,可在执行算法之前进行预处理,比如平滑降噪,以及利用梯度。
(3)对细节太多的彩色图片存在过分割。
经典分水岭算法的 C++ 实现的更多相关文章
- python数字图像处理(19):骨架提取与分水岭算法
骨架提取与分水岭算法也属于形态学处理范畴,都放在morphology子模块内. 1.骨架提取 骨架提取,也叫二值图像细化.这种算法能将一个连通区域细化成一个像素的宽度,用于特征提取和目标拓扑表示. m ...
- 【十大经典数据挖掘算法】PageRank
[十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART 我特地把PageRank作为[十大经 ...
- 【十大经典数据挖掘算法】EM
[十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART 1. 极大似然 极大似然(Maxim ...
- 【十大经典数据挖掘算法】AdaBoost
[十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART 1. 集成学习 集成学习(ensem ...
- 【十大经典数据挖掘算法】SVM
[十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART SVM(Support Vector ...
- 经典排序算法 – 插入排序Insertion sort
经典排序算法 – 插入排序Insertion sort 插入排序就是每一步都将一个待排数据按其大小插入到已经排序的数据中的适当位置,直到全部插入完毕. 插入排序方法分直接插入排序和折半插入排序两种, ...
- 【十大经典数据挖掘算法】Naïve Bayes
[十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART 朴素贝叶斯(Naïve Bayes) ...
- 【十大经典数据挖掘算法】C4.5
[十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART 1. 决策树模型与学习 决策树(de ...
- 【十大经典数据挖掘算法】k-means
[十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART 1. 引言 k-means与kNN虽 ...
随机推荐
- shadow批量破解
john有个参数可以设置破解时间,比如破解5秒则设置:--max-run-time=5,可以利用这个参数批量破解 for i in *;do (echo $i>>out;john --ma ...
- (4.4)dbcc checkdb 数据页修复
转自:http://blog.51cto.com/lzf328/955852 三篇 一.创建错误数据库 以前看Pual写过很多数据恢复的文章,他很多的测试都是自己创建的Corrupt数据库,其实我们自 ...
- boost之字符串与文本处理
C++标准库中字符串转数值使用函数atoi(),数值转字符串使用printf系列函数. boost中使用转换函数操作符lexical_cast<>进行转换,实际上是模板函数.自定义类型,要 ...
- LeetCode-day01&02
感觉还好,坚持住就行,毕竟智商不够 1. Length of Last Word求一个数组的最后一个单词的长度 2. Plus One 大数加1 3. Add Binary 二进制加法 4. S ...
- Guide to Spring @Autowired
Guide to Spring @Autowired Spring希望由@Autowired注解的依赖在某个依赖bean被构造时是可以访问的.如果框架不能解析这个用于wiring的bean,就会抛出异 ...
- Linux 路径与命令搜寻顺序
以相对/绝对路径运行命令,例如『 /bin/ls 』或『 ./ls 』: 由 alias 找到该命令来运行: 由 bash 内建的 (builtin) 命令来运行: 透过 $PATH 这个变量的顺序搜 ...
- Django_Form表单补充
Form表单 问题1: 注册页面输入为空,报错:keyError:找不到password def clean(self): print("---",self.cleaned_da ...
- paramiko 模块安装和使用
一.Centos安装Paramiko 1.安装组件 yum install openssl openssl-devel python-dev pycrypto -y yum install zlib- ...
- dom树改变监听
function unwrap(el, target) { if ( !target ) { target = el.parentNode; } while (el.firstChild) { tar ...
- MySQL 数据库怎样把一个表的数据插入到另一个表
web开发中,我们经常需要将一个表的数据插入到另外一个表,有时还需要指定导入字段,设置只需要导入目标表中不存在的记录,虽然这些都可以在程序中拆分成简单sql来实现,但是用一个sql的话,会节 ...