Question

我有连接组件的图像（圆圈填充）。如果我想分段它们我可以使用分水岭算法。我更喜欢用分水岭编写我自己的功能，而不是在OPENCV中使用内置功能。我有成功吗？我怎么做使用opencv找到对象的regionmax？

Answer 1

以下列表是类似于Matlab＆＃34; imregionalmax＆＃34;的功能。它最多查找 nLocMax 阈值以上的局部最大值，其中找到的局部最大值至少为 minDistBtwLocMax 像素。它返回找到的实际局部最大值的实际数量。请注意，它使用OpenCV的 minMaxLoc 来查找全局最大值。它是＆＃34; opencv-self-contained＆＃34;除了（易于实现）函数 vdist ，它计算点（r，c）和（row，col）之间的（欧几里德）距离。

输入是单通道CV_32F矩阵，位置是nLocMax（行）乘2（列）CV_32S矩阵。

＆＃13;
＆＃13;
int imregionalmax(Mat input, int nLocMax, float threshold, float minDistBtwLocMax, Mat locations) { Mat scratch = input.clone(); int nFoundLocMax = 0; for (int i = 0; i < nLocMax; i++) { Point location; double maxVal; minMaxLoc(scratch, NULL, &maxVal, NULL, &location); if (maxVal > threshold) { nFoundLocMax += 1; int row = location.y; int col = location.x; locations.at<int>(i,0) = row; locations.at<int>(i,1) = col; int r0 = (row-minDistBtwLocMax > -1 ? row-minDistBtwLocMax : 0); int r1 = (row+minDistBtwLocMax < scratch.rows ? row+minDistBtwLocMax : scratch.rows-1); int c0 = (col-minDistBtwLocMax > -1 ? col-minDistBtwLocMax : 0); int c1 = (col+minDistBtwLocMax < scratch.cols ? col+minDistBtwLocMax : scratch.cols-1); for (int r = r0; r <= r1; r++) { for (int c = c0; c <= c1; c++) { if (vdist(Point2DMake(r, c),Point2DMake(row, col)) <= minDistBtwLocMax) { scratch.at<float>(r,c) = 0.0; } } } } else { break; } } return nFoundLocMax; }
＆＃13;
＆＃13;
＆＃13;

Answer 2

我自己写了一个函数。我的结果与MATLAB非常相似，尽管不是很准确。此功能是为CV_32F实现的，但可以轻松修改其他类型。

我通过检查所有邻居来标记不属于最小区域的所有点。其余区域是最小值，最大值或拐点区域。
我使用连接组件标记每个区域。
我检查每个区域是否属于最大值，如果是，那么我将该标签推入矢量。
最后，我对坏标签进行排序，删除所有重复项，然后将输出中的所有点标记为非最小值。
剩下的就是最小区域。

以下是代码：

//  output is a binary image
//  1: not a min region
//  0: part of a min region
//  2: not sure if min or not
//  3: uninitialized
void imregionalmin(cv::Mat& img, cv::Mat& out_img)
{
    // pad the border of img with 1 and copy to img_pad
    cv::Mat img_pad;
    cv::copyMakeBorder(img, img_pad, 1, 1, 1, 1, IPL_BORDER_CONSTANT, 1);

    //  initialize binary output to 2, unknown if min
    out_img = cv::Mat::ones(img.rows, img.cols, CV_8U)+2;

    //  initialize pointers to matrices
    float* in = (float *)(img_pad.data);
    uchar* out = (uchar *)(out_img.data);

    //  size of matrix
    int in_size = img_pad.cols*img_pad.rows;
    int out_size = img.cols*img.rows;

    int x, y;
    for (int i = 0; i < out_size; i++) {
        //  find x, y indexes
        y = i % img.cols;
        x = i / img.cols;

        neighborCheck(in, out, i, x, y, img_pad.cols);  //  all regions are either min or max
    }

    cv::Mat label;
    cv::connectedComponents(out_img, label);

    int* lab = (int *)(label.data);

    in = (float *)(img.data);
    in_size = img.cols*img.rows;

    std::vector<int> bad_labels;

    for (int i = 0; i < out_size; i++) {
        //  find x, y indexes
        y = i % img.cols;
        x = i / img.cols;

        if (lab[i] != 0) {
            if (neighborCleanup(in, out, i, x, y, img.rows, img.cols) == 1) {
                bad_labels.push_back(lab[i]);
            }
        }
    }

    std::sort(bad_labels.begin(), bad_labels.end());
    bad_labels.erase(std::unique(bad_labels.begin(), bad_labels.end()), bad_labels.end());

    for (int i = 0; i < out_size; ++i) {
        if (lab[i] != 0) {
            if (std::find(bad_labels.begin(), bad_labels.end(), lab[i]) != bad_labels.end()) {
                out[i] = 0;
            }
        }
    }
}

int inline neighborCleanup(float* in, uchar* out, int i, int x, int y, int x_lim, int y_lim)
{
    int index;
    for (int xx = x - 1; xx < x + 2; ++xx) {
        for (int yy = y - 1; yy < y + 2; ++yy) {
            if (((xx == x) && (yy==y)) || xx < 0 || yy < 0 || xx >= x_lim || yy >= y_lim)
                continue;
            index = xx*y_lim + yy;
            if ((in[i] == in[index]) && (out[index] == 0))
                return 1;
        }
    }

    return 0;
}

void inline neighborCheck(float* in, uchar* out, int i, int x, int y, int x_lim)
{   
    int indexes[8], cur_index;
    indexes[0] = x*x_lim + y;
    indexes[1] = x*x_lim + y+1;
    indexes[2] = x*x_lim + y+2;
    indexes[3] = (x+1)*x_lim + y+2;
    indexes[4] = (x + 2)*x_lim + y+2;
    indexes[5] = (x + 2)*x_lim + y + 1;
    indexes[6] = (x + 2)*x_lim + y;
    indexes[7] = (x + 1)*x_lim + y;
    cur_index = (x + 1)*x_lim + y+1;

    for (int t = 0; t < 8; t++) {
        if (in[indexes[t]] < in[cur_index]) {
            out[i] = 0;
            break;
        }
    }

    if (out[i] == 3)
        out[i] = 1;
}

Answer 3

我不知道它是否是您想要的，但在我对this post的回答中，我给出了一些代码来查找灰度图像中的局部最大值（峰值）（由距离变换产生）。该方法依赖于从扩张图像中减去原始图像并找到零像素）。我希望它有所帮助，祝你好运

Answer 4

前段时间我遇到了同样的问题，解决方法是在OpenCV / Cpp中重新实现imregionalmax算法。它并不复杂，因为您可以在Matlab发行版中找到该函数的C ++源代码。（在工具箱中的某个地方）。您所要做的就是仔细阅读并理解那里描述的算法。然后重写它或删除特定于matlab的检查，你就可以了。

imregionalmax matlab函数在opencv中的等价物

4 个答案: