引言
图像分割中,采用腐蚀、膨胀等形态学操作一般可以对图像进行一定效果的分割。腐蚀采用的kernel往往决定了分割的效果,核太小则难以分割开来,核太大则会将某些部分腐蚀掉同时对原本图像形状产生较大的影响。所以,换了一个思路想,从外边分割不如从里面扩张。所以分割问题的重点放在了图像质心的查找。
图像处理中,针对二值化分割图可以使用距离变幻得到一张灰度图,而亮度中心则是质心,查找质心既可以实现简单的分割。Matlab中查找局部峰值的函数有imregionalmax,而在python中模块skimage中有peak_local_max函数同样实现了对灰度图的峰值查找。但是,在C/C++中,笔者还没有找到相关的图像处理库有这一方面的功能,所以只能对着论文写了。
1、距离变换
距离变换在图像处理应用十分广泛,特别在图像分割方面。简单来说,距离变换是针对二值化图像,其实就是计算非零点到最近零点的距离。所以,图像经过距离变换后,分割图像中心则呈现出峰值。距离的定义一般有以下3种类型:
OpenCV中,则有7中类型的距离定义,除此之外用于还可以使用自己定义的距离。(所以,有无限制种吧)
/** Distance types for Distance Transform and M-estimators*/
enum{
CV_DIST_USER=-1, /**< User defined distance*/CV_DIST_L1=1, /**< distance = |x1-x2| + |y1-y2|*/CV_DIST_L2=2, /**< the simple euclidean distance*/CV_DIST_C=3, /**< distance = max(|x1-x2|,|y1-y2|)*/CV_DIST_L12=4, /**< L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1))*/CV_DIST_FAIR=5, /**< distance = c^2(|x|/c-log(1+|x|/c)), c = 1.3998*/CV_DIST_WELSCH=6, /**< distance = c^2/2(1-exp(-(x/c)^2)), c = 2.9846*/CV_DIST_HUBER=7 /**< distance = |x|
以下是针对两个圆形粘连情况下采用CV_DIST_L2(常用欧式距离)作为距离进行距离变换:
2、形态学灰度重建(Morphological Grayscale Reconstruction)
一般对于局部峰值极值点的查找很容易联想到使用窗口判断的方法。但是,窗口的大小决定着算法的好坏。更致命的是,窗口这种方法很难应对出现连续峰值的问题(峰值平坦?不太会描述)。所以这种方法很难解决峰值查找的问题。于是,笔者在各种论坛中查找各种峰值查找的方法,最终还是回到Matlab参考文献。
从上图可知,对于图像I,用其偏置I-1进行grayscale reconstruction灰度重建得到重建后的图像。然后在使用原图与重建后的图像相减即可得到局部极大值部分。上图也可以解释Matlab中imregionalmax等于原图与其imreconstruct相减。接下来,则是如何使用算法实现这个过程呢?论文末尾处已经给出了许多算法实现的伪代码,其中包括并行算法、串行算法等等。本文使用队列对算法进行实现,该算法在论文中已经给出伪代码:
特别说明,笔者取J=I-1,R(J)是遍历每个点取八邻近最大值来初始化队列。NG(p)也是取得p点的八邻近。部分实现代码如下:
Mat findpeeks(Mat I,Mat J)
{
queueque;/*最大值滤波*/J=regionalmaximaImg(J);/*对满足条件的点入队列,初始化队列*/
for(int i=0;i(i,j) &&isexistNBzero(J,Point(j,i)))
que.push(Point(j,i));/*循环队列,直至队列为空*/
while(que.empty())
{
Point p=que.front();
que.pop();for(int i=0;i
{/*get the neighbor point*/Point q;
q.x= p.x+x_offset[i];
q.y= p.y+y_offset[i];if(q.x>I.cols-1) q.x = I.cols-1;if(q.x<0) q.x = 0;if(q.y>I.rows-1) q.y = I.rows-1;if(q.y<0) q.y = 0;if(J.at(p.y,p.x)(q.y,q.x) &&I.at(q.y,q.x)!=I.at(q.y,q.x))
{
J.at(p.y,p.x)=min(J.at(p.y,p.x),
I.at(q.y,q.x));
que.push(p);
}
}
}return (I-J)>0;
}
实现效果如下:
由图像可见峰值点可以找出来,但是不一定为质心,因为连接处也可能存在峰值,这里需要后续的优化。需要注意的是峰值点不是单点,可能出现连续或间断点;笔者认为后续使用区域生长、主动轮廓模型可以完成实现分割。
结语
形态学灰度重建提供了一种峰值查找的解决方法,论文比较长,我也看得不太懂,由于前阶段毕业设计急着需要用就直接按照后面的伪代码实现了,后续有时间再将毕设后续的内容总结上来。
另外:该算法的并行算法实现详见我的简书:OpenCV CUDA 图像峰值查找,我总觉得搬过来不太好。
参考文献:
如果觉得《python获取图像灰度极值点_【图像处理】灰度图 亮度峰值极值查找》对你有帮助,请点赞、收藏,并留下你的观点哦!