C# 基于OpenCv的视觉工作流-章27-图像分割
本章目标：
一、理论概念；
二、图像处理；
三、设置背景图；
四、设置前景图；
五、计算边缘图；
六、构建标识图；
七、图像分割；
一、理论概念；
详细见文末链接
二、图像处理；
对图像进行转灰度图、二值化、开运算去毛刺处理（前文章有介绍，不再描述），得到目标为白色，其它为黑色的图像，如下图所示。
三、设置背景图；
将处理后的图像进行膨胀运算（前文章有介绍，不再描述），再将所得图像作为背景图，用于后续运算，如下图所示。
膨胀的目的是为了取得更多的边缘地带区域，利于后续计算边缘。
四、设置前景图；
设置前景图可用腐蚀操作取图，但由于各区域相连部分较多，难以很好的用腐蚀取得。
本文用DistanceTransform算子进行配合获取。该算子能计算出非0值到0值的距离，对所得距离进行自由设定可获得相应图像区域。
1.计算距离
OpenCv 可如下使用
Mat matDistance = new Mat();
Cv2.DistanceTransform(matDst,matDistance,DistanceTypes.L2,DistanceTransformMasks.Mask3)；
其中：参数1，为输入图像；
参数2，为输出图像；
参数3，为计算的距离方式；
参数4，为核大小；
2.取得最大最小距离值
Cv2.MinMaxIdx(matDistance, out double min, out double max);
其中：参数1，为输入图像；
参数2，为最小距离；
参数3，为最大距离；
3.取得前景图
Mat thresholdFG = new Mat();
Cv2.Threshold(matDistance, thresholdFG, scale * max, 255, ThresholdTypes.Binary);
其中：参数1，为输入图像；
参数2，为输出图像；
参数3，为距离值，此处按指定比例取值；
参数4，为最大值；
参数5，为二值化类型；
效果如下
五、计算边缘图；
原理：边缘图=背景图-前景图
六、构建标识图；
上述步骤后，图像的前景、前景、边缘均已取得，但三图中所有的像素值均为0或255。
分水岭算法要求的是边缘区为0值，背景区为1值，前景区为大于1值。
所以需要对图像像素值时行转换，以符合分水岭算法要求，OpenCv可用算子ConnectedComponents进行相应转换。
OpenCv 算子ConnectedComponents可如下使用
Mat markers = new Mat();
Cv2.ConnectedComponents(fg, markers);
其中：参数1，为输入图像；
参数2，为输出标识；
由于ConnectedComponents算子用0标记背景，用大于0的整数标记前景，仍不满足要求，
所以需遍历markers ，将0值加1，即满足分水岭背景区要求；
将大于0值也加1，满足分水岭前景区要求；
剩下的边缘区将值改为0，即满足分水岭边缘区要求。
标识结果，如下图
七、图像分割；
OpenCv 算子Watershed可如下使用
Cv2.Watershed(src, markers);
其中：参数1，为输入图像；
参数2，为输入输出标识；
说明：输入的markers中，边缘区是粗放的不精确的，通过分水岭算法后，输出的markers边缘得到进一步精确，效果如下图。
对黑色背景的分割，如图
参考链接
"VisionTool 探迹"免费视觉工具
下载地址：https://pan.baidu.com/s/11tktKOSnepLNIEqNbvnv6w?pwd=qv5i
版本已更新为V1.0.0.1，更新内容如下：
1.执行流程，仅首次调IO读取参数、
2.流程及节点间数据隔离；
"VisionTool Halcon"付费视觉工具
下载地址：https://pan.baidu.com/s/1v832KTonDYS6oNnWG2iZtQ?
对应系列文章"C# 基于Halcon的视觉工作流"，欢迎前往阅读。
上述内容需要一定的技术功底，本章至此已结束，欢迎阅读下章，谢谢！