Opencv 学习笔记:基于图像变换 + 分水岭的图像分割(背景去除入门)

图像分割的核心是分离前景与背景,本文从 "手动背景去除" 入手,结合基础图像变换,为分水岭算法分割打下基础,新手可快速掌握背景像素过滤的核心逻辑。

核心代码实现

python 复制代码
import cv2 as cv
import numpy as np

# 1. 读取图像并校验
src = cv.imread('./image/28.bmp')
if src is None:
    print('图像读取失败,请检查路径!')
    exit()

# 备份原图(避免后续操作修改原始数据)
src_origin = src.copy()
# 初始化结果画布
result = np.zeros_like(src)

# 2. 手动背景去除:过滤白色背景(RGB=255,255,255)
# 遍历图像所有像素(优化双层循环,避免冗余自增)
for i in range(src.shape[0]):
    for j in range(src.shape[1]):
        # 获取当前像素的BGR值
        b, g, r = src[i, j]
        # 判断是否为白色背景像素
        if b == 255 and g == 255 and r == 255:
            src[i, j] = [0, 0, 0]  # 白色背景转为黑色
        else:
            result[i, j] = src[i, j]  # 保留前景像素

# 3. 分水岭算法前置处理(可选,进阶分割)
gray = cv.cvtColor(result, cv.COLOR_BGR2GRAY)
# 二值化:强化前景与背景对比
ret, binary = cv.threshold(gray, 10, 255, cv.THRESH_BINARY)
# 距离变换:获取前景种子点
dist_transform = cv.distanceTransform(binary, cv.DIST_L2, 5)
ret, sure_fg = cv.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0)
sure_fg = np.uint8(sure_fg)
# 查找未知区域(背景-前景)
sure_bg = cv.dilate(binary, np.ones((3,3), np.uint8), iterations=2)
unknown = cv.subtract(sure_bg, sure_fg)

# 4. 标记连通域,执行分水岭分割
ret, markers = cv.connectedComponents(sure_fg)
markers = markers + 1  # 背景标记为1,避免与未知区域混淆
markers[unknown==255] = 0  # 未知区域标记为0
markers = cv.watershed(src_origin, markers)
src_origin[markers == -1] = [0, 0, 255]  # 分割线标红

# 5. 显示结果
cv.namedWindow('背景去除结果', cv.WINDOW_NORMAL)
cv.resizeWindow('背景去除结果', 600, 600)
cv.imshow('背景去除结果', result)

cv.namedWindow('分水岭分割结果', cv.WINDOW_NORMAL)
cv.resizeWindow('分水岭分割结果', 600, 600)
cv.imshow('分水岭分割结果', src_origin)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 手动背景去除核心

步骤 核心逻辑 优化要点
像素遍历 双层循环遍历src.shape[0](高)和src.shape[1](宽) 原代码冗余j=j+1会导致列索引跳步,直接遍历 range 即可
背景判断 b==255 and g==255 and r==255 OpenCV 中像素为 BGR 顺序,需按蓝、绿、红判断
背景替换 白色背景→黑色[0,0,0] 保留前景像素到新画布,避免修改原图后无法追溯

2. 分水岭算法核心流程

步骤 核心 API 作用说明
距离变换 cv.distanceTransform() 计算前景像素到背景的距离,精准定位前景核心区域
前景 / 背景标记 cv.connectedComponents() 标记确定的前景 / 背景,避免分割过度
分水岭分割 cv.watershed() 基于标记的图像分割,markers==-1为分割边界
分割线标注 红色[0,0,255] 直观展示分割边界,验证分割效果

3. 原代码核心修复

  • 索引跳步问题 :原代码j = j+1导致列索引每次循环自增两次,漏检一半像素,直接删除该冗余代码;
  • 画布初始化 :新增src_origin = src.copy()备份原图,避免背景去除操作影响分水岭分割;
  • 效率优化:合并像素判断与赋值逻辑,减少重复操作,提升遍历速度;
  • 鲁棒性增强:增加图像读取校验,避免空图像导致后续报错。

总结

  1. 手动背景去除的核心是遍历像素 + RGB 值判断,需注意 OpenCV 的 BGR 像素顺序,避免索引跳步;
  2. 分水岭算法分割的关键是标记确定的前景 / 背景,距离变换可精准定位前景种子点;
  3. 背景去除是分水岭分割的基础预处理,可大幅提升分割准确率,适配白色背景的目标分割场景。
相关推荐
一条破秋裤15 小时前
【1115】【多线程】【笔记】
前端·chrome·笔记
神明不懂浪漫15 小时前
【第八章】多线程(一)
java·开发语言·经验分享·笔记
星恒随风17 小时前
MySQL 从零入门(九):事务管理详解——ACID、COMMIT、ROLLBACK、SAVEPOINT 与四种隔离级别
linux·服务器·数据库·笔记·mysql
蒸蒸yyyyzwd17 小时前
秋招操作系统错题本
笔记·八股
星恒随风18 小时前
MySQL 从零入门(十一):视图与用户权限管理详解
linux·服务器·数据库·笔记·mysql
山楂树の18 小时前
Java 泛型:泛型类、泛型方法、泛型接口与通配符
java·开发语言·笔记
重生之我是萧炎21 小时前
PR安装教程,Adobe Premiere Pro安装教程(含安装包),仅供学习使用
学习·adobe
努力写代码的熊大21 小时前
Linux 个人复盘博客 · 第六篇 Linux 进程间五种通信:匿名管道、命名管道、共享内存、消息队列与信号量
linux·经验分享·笔记
蒸蒸yyyyzwd1 天前
深搜广搜学习笔记
笔记·学习
小七在进步1 天前
string的实现(3)
开发语言·c++·笔记·visual studio