我在使用Matlab实现标记控制的分水岭算法时遇到了问题。
输入图像是一个二进制掩模,其中包含两个聚类对象。另一张图像是另一个二进制图像,其中白色区域表示标记。
然后我尝试使用标记控制的分水岭算法来分割聚类对象。代码如下:
bw=imread('Im.jpg'); % read image
bwMarker=imread('Marker.jpg');% read marker
bw(bwMarker)=0; % impose the marker on the image
L=watershed(bw);% do the watershed
%% plot
rgb = label2rgb(L,'jet',[.5 .5 .5]);
figure(2), imshow(rgb,'InitialMagnification','fit')
title('Marker Controlled Watershed transform ')
结果显示在这个图表中。
它将对象分成两部分,但形状不完整。我想得到整个对象,但只是一条线将两个对象分开(如下所示)。有人能帮我吗?谢谢。
追加问题: 感谢yoda提供答案。然而,在这种情况下,使用“cityblock”进行距离变换是好的,但如果我们使用“euclidean”,它会导致过度分割。因为分水岭将取决于图像中的局部最小值,并且巧合的是,“cityblock”距离变换会产生正确数量的局部最小值。如果我们将“cityblock”应用于其他图像,则也会导致过度分割。 现在让我们看看yoda的代码:
img=im2bw(imread('http://i.stack.imgur.com/qrYCL.jpg'));
imgDist=-bwdist(~img,'cityblock');
imgDist(~img)=-inf;
% check local minimums
BW = imregionalmin(imgDist);
figure(1), imshow(BW);
title('Regional Minima in Original Image');
imgLabel=watershed(imgDist);
以下是本地最小值和结果的展示:
请注意,在左侧图像中,局部最小值显示为白色区域。可以观察到聚类对象中仅有两个本地最小值。这导致了良好的结果。
现在,让我们通过使用“欧几里得距离”来查看距离变换。
imgDist=-bwdist(~img);
imgDist(~img)=-inf;
% check local minimums
BW = imregionalmin(imgDist);
figure(1), imshow(BW);
title('Regional Minima in Original Image');
imgLabel=watershed(imgDist);
imshow(imgLabel==0,'InitialMagnification','fit')
本地最小值和结果如下图所示:请注意,在左侧的图中,局部最小值显示为白色区域。观察到在聚类对象区域中有许多局部最小值,这导致了过度分割的结果。
过度分割是因为分水岭将首先检查图像中的局部最小值,然后根据局部最小值执行分水岭操作。请注意,如果局部最小值太多,超过所需的分割对象,就会导致过度分割。提出了标记控制的分水岭来替换原始局部最小值并实现更好的结果(因为每个标记将表示一个所需的分割对象)。但是我不知道如何施加“标记”以抑制原始局部最小值,使图像仅具有由“标记”指定的局部最小值。谢谢。
inf
代表无穷大——或者说在实际应用中,表示一个非常大的数。 - Jonas