Matlab图像处理教程系列之图像分割（二）

1.使用距离变换的分水岭分割

（1）距离变换

D = bwdist(BW);

二值图像的距离变换是指从每个像素到最接近零值的像素的距离。

（2）测地距离变换 

D = bwdistgeodesic(BW,mask);

2.使用梯度的分水岭分割 

获取梯度图像：

h = fspecial('sobel');

fd = tofloat(f);

g = sqrt(imfilter(fd, h, 'replicate') .^ 2 + ...

imfilter(fd, h', 'replicate') .^ 2);

在使用针对分割的分水岭变换之前，常常使用梯度幅度对图像进行预处理。梯度幅度图像沿着物体的边缘有较高的像素值，而在其他地方则有较低的像素值。在理想的情况下，分水岭变换可得到沿物体边缘的分水岭脊线。若梯度图像直接进行分水岭变换可能会严重过分割，所以在计算分水岭变换之前可以先平滑梯度图像。

3.控制标记符的分水岭分割

（1）计算局部极小值区域

rm = imregionalmin(f);

其中，f 是灰度图像，rm 是二值图像，rm 的前景像素标记出局部小区域的位置。

（2）扩展极小值

im = imextendedmin(f,h);

其中，f 是灰度图像，h 是高度阈值，im 是一幅二值图像，im 的前景像素标记了深的局部小区域的位置。

（3）强制最小

mp = imimposemin(f, mask);

其中，f 是灰度图像，mask 是二值图像，mask 的前景像素标记了输出图像 mp 中局部最小区域的期望位置。通过在内部和外部标记符的位置覆盖局部最小区域，可以改进梯度图像，用于控制过分割的一种方法是基于标记符的概念。标记符是属于一幅图像的连通分量。我们希望有一个内部标记符集合，它们处在每个感兴趣物体的内部，而外部标记符集合包含在背景中。标记符的选择范围可以从简单过程到更复杂的方法，涉及尺寸、形状、位置、相对距离、纹理内容等等。指针是携带对分割有影响的先验知识的标记符。人们常常使用先验知识在每天的视觉中帮助解决分割和高级任务。最为熟悉的便是使用文本。因此，分水岭分割提供可以有效利用这些类型的知识的框架这一事实，是这一方法的突出优点。

%基于控制标记符的分水岭分割[file,filepath]=uigetfile('*');file=fullfile(filepath,file);img=imread(file);%读图imgsize=size(img);if(numel(imgsize)>2)i=rgb2gray(img);elsei=img;end;imshow(i);title('灰度图');pause;%取阈值[T,SM]=graythresh(i);bw=im2bw(i,T);imshow(bw);title('二值');pause;% % %%%%%%%%%%%%%%%%%%%%%%%%%%基于距离变换的分水岭分割%%%%%%%%%%%%%%%%%%%%%%gc = ~bw;% imshow(gc);% pause;D = bwdist(gc);% figure,contour(-D,40);imshow(-D,[]);title('距离变换图');pause;
rm = imregionalmin(-D);%查看局部极小值区域imshow(rm);title('查看局部极小值区域');pause;
im = imextendedmin(-D,2);%扩展最小值% figure,contour(im,40);fim=i;fim(im) = -255;imshow(fim);title('合并后的局部极小值');%查看合并后的局部极小值pause;
Lim = watershed(bwdist(im));imshow(Lim,[]);title('基于距离变换的流域分割');pause;em = Lim == 0;res=em|im;imshow(res);%查看掩膜图像title('掩膜图像');pause;

g2 = imimposemin(i, im | em);imshow(g2);title('强制最小');pause;
L2 = watershed(g2);f2 = img;f2(L2 == 0) = 255;imshow(f2);title('基于控制标记符的分水岭分割');

qq 1575304183

来源：CSDN

作者：天天matlab

链接：https://blog.csdn.net/qq_34763204/article/details/104357881