局部阈值法
通过灰度直方图看到图像的照明效果
自适应阈值分割函数：
CV_EXPORTS_W void adaptiveThreshold( InputArray src, OutputArray dst,
double maxValue, int adaptiveMethod,
int thresholdType, int blockSize, double C );
maxValue:阈值化后的最大值；
adaptiveMethod:计算阈值所采用的算法，有两个数值，分别为ADAPTIVE_THRESH_MEAN_C和ADAPTIVE_THRESH_GAUSSIAN_C;
blockSize:领域块大小；
分水岭算法分割
灰度图的几何解释
局部最小值点，该点对应一个盆地的最低点，当我们在盆地里滴一滴水的时候，由于重力作用，水最终会汇聚到该点。注意：可能存在一个最小值面，该平面内的都是最小值点。
盆地的其他位置点，该位置滴的水滴会汇聚到局部最小点。
盆地的边缘点，是该盆地和其他盆地交接点，在该点滴一滴水，会等概率的流向任何一个盆地。
假设我们在盆地的最小值点，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（即分水岭线），建一个坝，来阻止两个盆地的水汇集成一片水域。这样图像就被分成2个像素集，一个是注水盆地像素集，一个是分水岭线像素集。
分水岭算法的过分割问题
由于噪声点或者其他干扰因素的存在，使用分水岭算法常常存在过分割的现象，这是因为很多很小的局部极值点的存在。
在初始时给marker，改善过分割问题
为了解决过分割的问题，可以使用基于标记（mark）图像的分水岭算法，就是指定mark图像，在这个区域的洪水淹没过程中，水平面都是定义的marker开始的，这样可以避免一些很小的噪声极值区域的分割。
使用marker改善分割结果
分水岭法图像分割函数：
CV_EXPORTS_W void watershed( InputArray image, InputOutputArray markers );
image：三通道彩色图像；
markers：记号点（种子点），每一个记号需要有不同的编号；
基于边缘轮廓的分割
可以在边缘检测的基础上，基于闭合边缘构建分割后的结果
在分割前需要进行边缘检测
OpenCV提供几种基于边缘轮廓的分割方法，包括简单的基于封闭曲线的方法，以及基于活动廓线（active contour的方法）
简单的基于封闭曲线的方法基于Suzeki,S.1985的方法，相对古老，但OpenCV基于此提供了关于图像描述的支持，比较好用
找到目标轮廓
CV_EXPORTS void findContours( InputArray image, OutputArrayOfArrays contours,
int mode, int method, Point offset = Point());
image：单通道图像矩阵，可以是灰度图，但更常用的是经过边缘检测算子处理后的二值图像；
contours：定义为“vector<vector<Point>>contours”，是一个轮廓列表；
hierarchy：存在嵌套轮廓时，分别为第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。
mode：定义轮廓的索引模式，包括CV_RETR_EXTERNAL只检测最外围轮廓，CV_RETR_LIST检测所有轮廓，但不建立等级关系等。
method：包括CV_CHAIN_APPROX_SIMPLE仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存如contours等；
offset：所有的轮廓信息相对于原始图像对应点的偏移量，缺省不设置。
搜索轮廓组成轮廓树
轮廓不同组织方式
画出目标轮廓
CV_EXPORTS_W void drawContours( InputOutputArray image, InputArrayOfArrays contours,
int contourIdx, const Scalar& color,
int thickness = 1, int lineType = LINE_8,
InputArray hierarchy = noArray(),
int maxLevel = INT_MAX, Point offset = Point() );
标签：盆地,分割,阈值,int,算法,图像,轮廓,CV 来源： https://blog.csdn.net/qq_40008456/article/details/89685135
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。