Mahotas - 影像條件分水嶺

---

---

“分水嶺”一詞源於物理分水嶺的概念，它是分隔不同流域的界線。類似地，分水嶺演算法旨在尋找影像中的邊界或分離區域。

分水嶺演算法是一種常用的影像分割方法，它是將影像分割成不同區域的過程。

因此，在影像處理中，分水嶺影像指的是經過分水嶺分割處理的影像。

分水嶺分割技術將影像中的畫素強度視為地形表面，其中明亮區域代表高海拔，黑暗區域代表低海拔。

Mahotas中的分水嶺演算法

Mahotas 提供條件分水嶺函式，而不是傳統的分割演算法。

Mahotas中的條件分水嶺是分水嶺演算法的增強版本，它允許我們透過提供特定的標記來指導分割過程。

讓我們看看Mahotas中條件分水嶺演算法的逐步過程：

步驟1 - 想象一下我們有一張影像，我們想把它分成不同的區域。使用條件分水嶺，我們可以將影像中的某些區域標記為標記，這些標記代表我們感興趣的區域。

步驟2 - 然後，演算法從填充這些標記區域開始注水。水只會在每個標記區域內流動，不會越過其他標記的邊界。

步驟3 - 結果是一個分割後的影像，其中每個區域都由您提供的標記定義的邊界劃分。

mahotas.cwatershed() 函式

Mahotas中的cwatershed()函式有兩個輸入：輸入影像和標記影像，並返回一個被分割成不同區域的輸出影像。

標記影像是一個二值影像，其中前景畫素（布林值1）代表不同區域的邊界。

語法

以下是Mahotas中cwatershed()函式的基本語法：

mahotas.cwatershed(surface, markers, Bc=None, return_lines=False) W, WL =
cwatershed(surface, markers, Bc=None, return_lines=True)

引數

cwatershed()函式接受的引數如下：

• surface - 它表示將進行分水嶺分割的輸入影像。它通常是灰度影像。

• markers - 它表示分水嶺分割的標記。標記指示影像中感興趣的區域。

• Bc (可選) - 它表示用於鄰域運算的結構元素。如果設定為None，則使用預設連線性。

• return_lines - 它是一個布林標誌，用於指定是否除了標記影像外還要返回分水嶺線。如果為True，則函式返回標記影像和分水嶺線。

  如果為False，則只返回標記影像。預設設定為False。

返回值

• W 或 WL - 它表示從分水嶺分割獲得的標記影像，其中每個區域都分配了一個唯一的標籤。標記影像的形狀與輸入影像相同。

• WL (可選) - 只有當return_lines引數設定為True時才會返回。它表示分水嶺線，即影像中分割區域之間的邊界。

示例

在下面的示例中，我們嘗試顯示影像的基本條件分水嶺分割：

import mahotas as mh
import matplotlib.pyplot as plt
# Loading the input image
image = mh.imread('sea.bmp')
# Creating markers or seeds
markers = mh.imread('tree.tiff')
# Perform conditional watershed segmentation
segmented_image = mh.cwatershed(image, markers)
# Display all three images in one plot
plt.figure(figsize=(10, 5))
# Display image1
plt.subplot(1, 3, 1)
plt.imshow(image)
plt.title('Sea')
plt.axis('off')
# Display image2
plt.subplot(1, 3, 2)
plt.imshow(markers)
plt.title('Tree')
plt.axis('off')
# Display the segmented image
plt.subplot(1, 3, 3)
plt.imshow(segmented_image, cmap='gray')
plt.title('Segmented Image')
plt.axis('off')
plt.tight_layout()
plt.show()

輸出

生成的輸出如下：

使用自定義結構元素的條件分水嶺

結構元素是一個小的二值影像，通常表示為矩陣。它用於分析參考畫素的區域性鄰域。

在條件分水嶺的上下文中，自定義結構元素允許我們在分水嶺過程中定義畫素之間的連線性。

透過自定義結構元素，我們可以控制每個畫素的鄰域如何影響影像的分割。

示例

import mahotas as mh
import numpy as np
from pylab import imshow, show
# Load the image
image = mh.imread('nature.jpeg')
# Convert the image to grayscale
image_gray = mh.colors.rgb2grey(image).astype(np.uint8)
# Threshold the image
threshold = mh.thresholding.otsu(image_gray)
image_thresholded = image_gray > threshold
# Perform conditional watershed with custom structuring element
struct_element = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]])
labels, _ = mh.label(image_thresholded, struct_element)
watershed = mh.cwatershed(image_gray.max() - image_gray, labels)
# Show the result
imshow(watershed)
show()

輸出

上述程式碼的輸出如下：