【android opencv学习笔记】Day 23: 分水岭图像分割

分水岭（Watershed）图像分割

分水岭算法是一种基于拓扑地貌的图像分割方法，通过"模拟洪水淹没"的思想，结合用户标记实现图像的精准区域划分。

本文将从原理讲解、API解析、Android完整源码实现三个维度，带你掌握这一算法的工程落地。

---

核心原理：洪水淹没与标记引导

1. 基础概念：把图像当"地形图"

• 图像像素值 = 海拔高度：亮像素为高山，暗像素为山谷。
• 目标：找到不同山谷（同质区域）之间的"分水岭线"，实现区域分割。

2. 原始算法的问题：过度分割

直接对图像做分水岭会产生大量细小区域（过度分割），原因是图像噪声和纹理会形成无数微小"山谷"。

3. 改进版：标记引导分水岭（OpenCV实现）

核心思想：用户预先标记已知区域（前景/背景），算法仅在标记之间寻找分水岭，从源头避免过度分割。

1. 标记图像 ：创建一个和原图同尺寸的32位整数图像，其中：
   • 前景物体：标记为非零正整数（如1、2、3...）
   • 背景：标记为另一非零整数（如128）
   • 未知区域：标记为0
2. 模拟淹没：算法从标记区域开始"注水"，水位上升过程中，不同标记的水相遇处形成分水岭线（最终标记为-1）。
3. 结果：图像被分割为多个带标记的同质区域，分水岭线清晰分隔不同物体。

---

OpenCV 核心 API 解析

1. 分水岭算法核心函数

void watershed(
    InputArray image,        // 输入：8位3通道彩色图像（CV_8UC3）
    InputOutputArray markers // 输入/输出：32位单通道标记图像（CV_32SC1）
);

• 输入图像必须为彩色图（CV_8UC3），灰度图需先转为BGR格式。
• markers 既是输入（用户标记），也是输出（算法修改后的分割结果）：
  • 非零值：对应标记的区域
  • -1：分水岭线（分割边界）

2. 配套预处理 API

• erode/dilate：形态学操作，提纯前景/背景标记
• threshold：二值化，生成初始标记图像
• convertTo：标记图像格式转换（CV_8U → CV_32S）

---

Android 完整项目实现

1. 布局文件：activity_main.xml

<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical"
    android:padding="8dp">

    <!-- 原图 -->
    <ImageView
        android:id="@+id/iv_original"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 标记图像 -->
    <ImageView
        android:id="@+id/iv_markers"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 分水岭分割结果 -->
    <ImageView
        android:id="@+id/iv_result"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

</LinearLayout>

---

2. Kotlin 上层代码：MainActivity.kt

package com.nicoli.watersheddemo

import android.graphics.Bitmap
import android.graphics.BitmapFactory
import android.os.Bundle
import android.widget.ImageView
import androidx.appcompat.app.AppCompatActivity

class MainActivity : AppCompatActivity() {
    companion object {
        init {
            System.loadLibrary("native-lib")
        }
    }

    // JNI 接口声明
    private external fun watershedSegment(src: Bitmap, outMarkers: Bitmap, outResult: Bitmap)

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 加载原图（带前景物体的图像）
        val originalBitmap = BitmapFactory.decodeResource(resources, R.drawable.animals)

        // 创建输出位图
        val markersBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)
        val resultBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)

        // 执行分水岭分割
        watershedSegment(originalBitmap, markersBitmap, resultBitmap)

        // 显示结果
        findViewById<ImageView>(R.id.iv_original).setImageBitmap(originalBitmap)
        findViewById<ImageView>(R.id.iv_markers).setImageBitmap(markersBitmap)
        findViewById<ImageView>(R.id.iv_result).setImageBitmap(resultBitmap)
    }
}

---

3. C++ 核心算法：native-lib.cpp（逐行注释）

#include <jni.h>
#include <opencv2/opencv.hpp>
#include <android/bitmap.h>

using namespace cv;
using namespace std;

// ====================== 工具函数：Bitmap ↔ Mat 转换 ======================
Mat bitmapToMat(JNIEnv *env, jobject bitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, bitmap, &info);
    AndroidBitmap_lockPixels(env, bitmap, &pixels);

    Mat rgba(info.height, info.width, CV_8UC4, pixels);
    Mat bgr;
    cvtColor(rgba, bgr, COLOR_RGBA2BGR); // 转为BGR格式（OpenCV默认）
    AndroidBitmap_unlockPixels(env, bitmap);
    return bgr;
}

void matToBitmap(JNIEnv *env, const Mat& srcMat, jobject dstBitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, dstBitmap, &info);
    AndroidBitmap_lockPixels(env, dstBitmap, &pixels);

    Mat rgba;
    if (srcMat.channels() == 1) {
        cvtColor(srcMat, rgba, COLOR_GRAY2RGBA);
    } else {
        cvtColor(srcMat, rgba, COLOR_BGR2RGBA);
    }
    memcpy(pixels, rgba.data, info.width * info.height * 4);
    AndroidBitmap_unlockPixels(env, dstBitmap);
}

// ====================== 分水岭分割核心类 ======================
class WatershedSegmenter {
private:
    Mat markers;
public:
    void setMarkers(const Mat& markerImage) {
        // 转换为32位有符号整数图像
        markerImage.convertTo(markers, CV_32S);
    }

    Mat process(const Mat& image) {
        // 执行分水岭算法
        watershed(image, markers);
        return markers;
    }

    // 获取分割后的标签图像
    Mat getSegmentation() {
        Mat tmp;
        markers.convertTo(tmp, CV_8U);
        return tmp;
    }

    // 获取分水岭线图像
    Mat getWatersheds() {
        Mat tmp;
        // 线性变换：-1→0，非-1→255
        markers.convertTo(tmp, CV_8U, 255, 255);
        return tmp;
    }
};

// ====================== 标记图像生成函数 ======================
Mat createMarkerImage(const Mat& srcBgr) {
    Mat gray, binary;
    // 转为灰度图
    cvtColor(srcBgr, gray, COLOR_BGR2GRAY);
    // 二值化（根据实际场景调整阈值）
    threshold(gray, binary, 50, 255, THRESH_BINARY_INV);

    // 1. 生成前景标记（腐蚀提纯）
    Mat fg;
    erode(binary, fg, Mat(), Point(-1,-1), 4);

    // 2. 生成背景标记（膨胀+反向阈值）
    Mat bg;
    dilate(binary, bg, Mat(), Point(-1,-1), 4);
    threshold(bg, bg, 1, 128, THRESH_BINARY_INV);

    // 3. 合并前景和背景标记
    Mat markers = Mat::zeros(binary.size(), CV_8U);
    markers = fg + bg;
    return markers;
}

// ====================== JNI 接口 ======================
extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_watersheddemo_MainActivity_watershedSegment
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outMarkers, jobject outResult) {
    // 1. 转换Bitmap为OpenCV Mat
    Mat srcBgr = bitmapToMat(env, srcBitmap);

    // 2. 生成标记图像
    Mat markers8u = createMarkerImage(srcBgr);

    // 3. 执行分水岭分割
    WatershedSegmenter segmenter;
    segmenter.setMarkers(markers8u);
    Mat result32s = segmenter.process(srcBgr);

    // 4. 生成结果图像（叠加分水岭线到原图）
    Mat watersheds = segmenter.getWatersheds();
    Mat resultBgr = srcBgr.clone();
    resultBgr.setTo(Scalar(0,0,255), watersheds == 0); // 分水岭线标记为红色

    // 5. 转换结果回Bitmap
    matToBitmap(env, markers8u, outMarkers);
    matToBitmap(env, resultBgr, outResult);
}

---

效果与参数详解

1. 运行效果

• 原图：包含前景物体和背景的彩色图像
• 标记图像：前景为白色（255）、背景为灰色（128）、未知区域为黑色（0）
• 分割结果：前景物体被红色分水岭线完整包围，背景与物体清晰分离

2. 关键参数说明

• 腐蚀/膨胀迭代次数 ：
  • 次数越多，前景标记越纯净，但容易丢失小物体
  • 次数越少，标记越接近原图，但噪声较多，易导致分割错误
• 二值化阈值：需根据图像亮度调整，确保前景物体完整分离
• 标记值设置 ：
  • 前景标记值（255）和背景标记值（128）可自定义，只要不相等即可
  • 未知区域必须为0，算法会自动填充

---

扩展应用：交互式标记与改进方案

1. 交互式标记

在实际项目中，可通过用户手动点击图像设置前景/背景标记，再调用分水岭算法分割物体，实现更精准的分割效果。

2. 算法优化

• 预处理降噪：分割前使用高斯模糊或中值滤波去除图像噪声，减少分水岭线错误
• 多尺度分割：对不同尺度的图像分别做分水岭，再融合结果，提升鲁棒性
• 后处理：分割后可通过连通组件分析，去除过小的分割区域，进一步优化结果

---

总结

分水岭算法通过标记引导，有效解决了传统算法的过度分割问题，在物体分割、目标检测、医学影像分析等场景中广泛应用。核心在于标记图像的生成质量，合理的前景/背景标记是分割成功的关键。