分水岭算法3-watershed.docx

在matlab中正确的使用水坝算法分割图像网址：/pro/html/201312/8297.html水坝算法，也就是watershed，是一种经典而又很好用的图像分割方法。最近在matlab的网站上看到一篇讲解这个算法的帖子，看看如何能够正确的使用这个算法。例如，这是一张图像，我们希望用watershed的方法对这幅图像进行分割。当然，在matlab里面，直接对这幅图像使用watershed这个函数，并不能得到很好的分割结果。这里我们看看如何能够正确的使用watershed分割这个图像，同时也看看watershed变换和watershed分割的区别。首先，我们直接调用watershed，看看结果是什么样的view sourceprint?1.url = /wp-content/uploads/auto_save_image/2013/12/004306JQI.png;2.bw = imread(url);3.L = watershed(bw);4.Lrgb = label2rgb(L);5.imshow(Lrgb)刚刚看到结果的时候，我们可能很纳闷分割结果为什么是这个样子。让我们用imfuse这个函数，将两幅图像显示在一起，将图像中的一个区块放大看imshow(imfuse(bw,Lrgb)axis(10 175 15 155)我们可以看出，watershed变换总会在每一个局部最小的地方给出一个水坝区域。这些小的黑色“点”就是局部最小值，因此在每个周围都有一个watershed区域。即使我们填补了这些空洞，我们也没法获得用户想要的分割效果。这就是我们要注意到的watershed变换和watershed分割的区别。也就是说，watershed分割算法是watershed变换的一种应用，而简单的对图像进行watershed变换，并不能达到最终的分割目的。这里有一个帖子 The Watershed Transform: Strategies for Image Segmentation，详细介绍了watershed变换的原理。这个帖子的中心思想概括为一句话：用水坝变换进行图像分割的关键，在于先要将图像进行转换，使得目标对应不同的“蓄水池”.对于这样一副图像，包含一些接近圆形，互相接触的区块，我们可以使用距离变换来生成另一幅图像，其中的目标对应“蓄水池”。进行距离变换之前，我们先清理一下噪声。bwareaopen这个“开”运算，可以用来清除很小的点。bw2 = bwareaopen(bw, 10);imshow(bw2)然后我们进行距离变换。D = -bwdist(bw);imshow(D,)基于这个图像，我们再来做水坝变换Ld = watershed(D);imshow(label2rgb(Ld)这里的白线就是分割的边缘。由于原图是二值图，因此我们很容易区分前景和背景。bw2 = bw;bw2(Ld = 0) = 0;imshow(bw2)这样的结果中包含了不少过分割。原因和上面提到的一样，局部最小太多。对于这种情况，通用的技巧是，在基于watershed的图像分割中使用imextendedmin这个函数过滤掉一些特别小（指区域小）的局部最小。然后，我们修改距离变换的结果，让滤波后的区域不会出现局部最小值，这个操作叫做“强制最小（minima imposition）”，可以用imimposemin这个函数实现。使用imextendedmin将会只在我们希望分割的区块中间产生小点。然后我们使用imshowpair来将模板叠加到原图上。mask = imextendedmin(D,2);imshowpair(bw,mask,blend)最后，我们我们修改距离变换的结果，让其只在想要的位置具有局部最小。然后进行watershed。这就是我们想要的