Halcon机器视觉实战--分水岭分割+距离变换实现粘连物体图像分割

分水岭的原理

把图像的灰度看作高度图，图像中每个像素点的灰度值看作该点的高度，高灰度值代表山脉，低灰度值代表盆地，每个局部最小值及其周围区域称为集水盆，而集水盆的边界则形成分水岭。

分水岭算法的步骤

1.彩色图像转化成单通道灰度图
2.求梯度图
3.在梯度图的基础上进行分水岭算法，求取分区域的边缘线。

局部最小值点：

对应的是一个盆地的最小值，当我们在盆地里面滴一滴水的时候，由于重力作用，水最终会汇聚到该点。

盆地的其他位置点：

该位置滴的水滴会汇聚到局部最小点。

在盆地的最小值点，打一个洞，然后往盆地里面注水，并阻止两个盆地的水汇集，我们会在两个盆地的水汇集的时刻，在交接的边缘线上（即分水岭），建造大坝，来阻止两个盆地的水汇集成一个区域。图像被分为了两个像素集，一个是注水盆地像素集，一个是分水岭线像素集。

在真实图像中，由于噪声点的影响或者其他干扰因素的存在，使用分水岭算法常常出现过度分割的现象，这是因为很多很小的局部极值点的存在，这样的分割效果是毫无作用的。

为了解决过度分割的问题，我们可以使用基于标记图像的分水岭算法，就是通过设定一个阈值指导分水岭算法，以便获得更好的图像分割效果。在这个区域的洪水淹没过程中，水平面都是从定义的高度开始的，这样可以避免一些很小的噪声极值区域的分割。

算子：

1.直接提取图像的盆地区域和分水岭区域：

watersheds (Image, Basins, Watersheds)
1

输入是图像，输出的第一个参数是盆地区域，第二的参数是分水大坝区域。
简单的案例，图片可以从这里下载

*获取图像
read_image (image, 'particle')
*对单通道图像进行高斯平滑处理，去除噪声
gauss_filter (image, ImageGauss, 11)
*将图像颜色进行反转
invert_image (ImageGauss, ImageInvert)
*对高斯平滑后的图像进行分数岭处理，提取出盆地区域和分水岭大坝区域
watersheds (ImageInvert, Basins, Watersheds)
dev_display (ImageInvert)
dev_display (Watersheds)
1
2
3
4
5
6
7
8
9
10

2.阈值化分割分水岭盆地区域。

watersheds_threshold (Image, Basins, 10)
1

注意，这里输出参数只有盆地区域，Basins即盆地区域，无分水岭区域，因此是从白色背景里面，提取黑色区域。若是黑色背景里提取白色目标，只需要图像image_invert即可。
关键是第三个参数如何理解，以及这个参数对最终的算法分割结果的影响。
查看Halcon的帮助文档可以看到，
max ⁡ { W − B 1 , W − B 2 } <  Threshold.  \max \left\{W-B_{1}, W-B_{2}\right\}<\text { Threshold. } max{W−B1​,W−B2​}< Threshold. 
$B_1$,$B_2$分别代表两个盆地的最小灰度值，$W$代表的是两个盆地的交界处的灰度值，即交界处分水岭的灰度值。取两者差值的最大值，如果最大值小于threshold，即两块盆地之间的灰度值差值很小，代表两个盆地可以合并在一起。因此这个threshold值越小，分割出来的盆地数目越多，分割的越精细。数值越大，分割的盆地区域越少。

距离变换

像素之间的距离有欧式距离，城市街区距离，棋盘距离等
欧式距离：就是高中课本定义的真实的两点之间的距离

城市街区距离：就是两个邻边长度之和
$$D=\left|x-s\right|+\left|y-t\right|$$

棋盘距离：就是取长或者宽差值的最大值。
$$D=max(\left|x-s\right|,\left|y-t\right|)$$

所以，对于任意两个像素点而言，一般棋盘距离<欧式距离<城市街区距离。
算子：

distance_transform (Regions, Image, 'octagonal', 'true', Width, Height)
1

输入是区域，这里的区域可以是多个不同的区域，输出是图像。 距离变换可以简化分水岭的复杂度。经格式变换后，region看起来变小了（腐蚀实现的是原图区域变小），同时图像背景全部为0，即背景变成黑色。
那么距离变换底层原理是如何实现的？
第一个参数，在图像处理中，区域本身代表的是图像的某一部分，其本身是不含灰度值的，很多时候，halcon的输入是图像和region一起的，这里只输入了region，没有输入图像，默认输入的是二值化图像的region,因此region部分的灰度值是1，代表目标区域，背景部分设定为0，代表的是背景区域。所以这里的输入是只含0和1的二值化图像。用矩阵表示就是：

第二个参数，输出是Image,这里的Image指的是另一副全新的，尺寸大小为Width*Height的含距离信息（不是灰度信息）的图像。此时这个图像的像素点的数值不是灰度值，而是区域中的点到背景之间的距离。用矩阵表示就是：

按住CTRL,鼠标显示图像信息是距离信息，而不是灰度值。

第三个参数，代表距离公式的选取：
'city-block’代表的是街区距离
'chessboard’代表的是棋盘距离
'octagonal’代表的是欧式距离

第四个参数，ture代表的是目标区域到背景的距离。false代表的是背景区域到目标区域边缘的距离，两个成像正好相反。

实例代码

dev_close_window ()
dev_open_window (0, 0, 800, 800, 'black', WindowHandle)
read_image (Image, 'pellets.png')
get_image_size (Image, Width, Height)
**********第一步，先把目标区域提取出来
*均值去噪,排除干扰
mean_image (Image, ImageMean, 9, 9)
*全局阈值
threshold (ImageMean, Regions, 113, 202)
connection (Regions, ConnectedRegions)
**********第二步，做距离变换
*距离变化的目的是将图像二值化
distance_transform (ConnectedRegions, DistanceImage, 'octagonal', 'true', Width, Height)
*因为分水岭用的二值化图像是从白色背景里提取黑色目标区域，因此需要做invert_image
invert_image (DistanceImage, ImageInvert)
**********第三步，分水岭阈值分割
*距离变换后图像数据更改，在halcon中更换图像数据类型，可以使用convert_image_type
*然而convert_image_type在改变图像类型的情况时，还会把像素值根据图像类型做像素值变换
*变换，因此显示的图像会改变，所以也可以使用scale_image_max
scale_image_max (ImageInvert, ImageScaleMax)
watersheds_threshold (ImageScaleMax, Basins, 50)
**********分水岭的盆地区域与原区域做交运算，相当于拆分原区域
intersection (Basins, ConnectedRegions, RegionIntersection)
*区域显示
dev_display (Image)
dev_display (RegionIntersection)
stop()
*边缘显示
gen_contour_region_xld (RegionIntersection, Contours, 'border')
dev_display (Image)
dev_display (Contours)
stop()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

图像效果