OpenCV 分水岭算法过分割：基于种子标记的图像分割

以下是使用 OpenCV 4.0 库实现基于种子标记的分水岭算法（cv::watershed）对输入图像进行过分割的 C++ 代码示例：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;

// 生成随机种子点
void generateSeedPoints(Mat& img, int K, std::vector<Point>& seedPoints) {
    int M = img.rows;
    int N = img.cols;
    float minDistance = sqrtf(M * N / K) * 0.5;

    std::vector<cv::Point2f> diskSamples;
    cv::theRNG().state = cv::getTickCount(); // 设置随机数种子

    cv::theRNG().run( cv::Mat(K, 1, CV_32FC2), diskSamples, true ); // 泊松磁盘采样

    for (const auto& sample : diskSamples) {
        cv::Point seedPoint(sample.x * minDistance + N / 2, sample.y * minDistance + M / 2);
        seedPoints.push_back(seedPoint);
    }
}

int main() {
    // 读取彩色图像
    Mat img = imread("input_image.jpg");
    if (img.empty()) {
        std::cout << "Failed to read image!" << std::endl;
        return -1;
    }

    int K = 1000;
    std::vector<Point> seedPoints;

    generateSeedPoints(img, K, seedPoints);

    // 创建种子标记图像并初始化为-1
    Mat markers = Mat::zeros(img.size(), CV_32S);
    for (int i = 0; i < K; ++i) {
        markers.at<int>(seedPoints[i]) = i + 1;
    }

    // 分水岭算法
    watershed(img, markers);

    // 可视化结果
    Mat result = Mat::zeros(img.size(), img.type());
    for (int i = 0; i < img.rows; ++i) {
        for (int j = 0; j < img.cols; ++j) {
            if (markers.at<int>(i, j) == -1) {
                result.at<Vec3b>(i, j) = img.at<Vec3b>(i, j);
            } else {
                result.at<Vec3b>(i, j) = Vec3b(255, 255, 255); // 标记为种子点的位置
            }
        }
    }

    // 显示结果
    imshow("Result", result);
    waitKey(0);

    return 0;
}

说明:

• 代码首先读取输入图像，并根据用户指定的参数 K 生成 K 个随机种子点。
• 生成种子点的函数 generateSeedPoints 使用泊松圆盘采样方法，确保点间距离大于 (M * N / K)0.5。
• 然后，代码创建了一个标记图像，并在种子点的位置进行标记。
• 最后，代码使用 OpenCV 的 watershed 函数进行分水岭算法，并将结果可视化。

注意:

• 确保将输入图像命名为 "input_image.jpg" 并放置在与代码文件相同的目录中。
• 代码的运行时间取决于图像的大小和计算机性能。
• 此代码仅为示例，您可以根据需要进行修改和优化。