opencv3实现分水岭算法-watershed函数

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

using namespace std;
using namespace cv;

bool g_bDrawing = false;
Point g_CurrPoint, g_OrgPoint;
int g_nThick = 5, g_nBlue = 255, g_nGreen = 255, g_nRed = 0;
int g_nImageOneValue = 49;
Mat srcImage;
Mat grayImage;
Mat maskImage;

/*注意：不能在毁掉函数中写入未初始化的矩阵类，所以需要用时，需要写一个标志位，然后再在while(1)循环内使用*/
void onMouse(int event, int x, int y, int flag, void *param)
{
Mat &img = *(cv::Mat*)param;

switch (event)
{
//移动鼠标的时候
case CV_EVENT_MOUSEMOVE:
{
g_OrgPoint = g_CurrPoint;
g_CurrPoint = Point(x, y);

if (g_bDrawing == 1)
{
line(srcImage, g_CurrPoint, g_OrgPoint, Scalar(g_nBlue, g_nGreen, g_nRed), g_nThick);
imshow("【鼠标事件窗口】", srcImage);

//在掩码图上进行显示
line(maskImage, g_CurrPoint, g_OrgPoint, Scalar(g_nBlue, g_nGreen, g_nRed), g_nThick);
imshow("【掩码图像】", maskImage);
}
}
break;
//点击鼠标左键时
case CV_EVENT_LBUTTONDOWN:
{
g_bDrawing = true;
g_OrgPoint = Point(x, y);
g_CurrPoint = g_OrgPoint;
}
break;
//松开鼠标左键时
case CV_EVENT_LBUTTONUP:
{
g_bDrawing = false;
}
break;
}
}

int main()
{
Mat tempImage;
RNG &rng = theRNG();

srcImage = imread("2.jpg");

//用一个变量来存储原图像
Mat g_srcImage;
srcImage.copyTo(g_srcImage);

//为掩码图 分配空间
//因为后面需要在掩码图像中寻找轮廓，所以需要一幅单通道的图像
maskImage.create(srcImage.size(), CV_8UC1);
maskImage = Scalar::all(0);

//需要得到一个 三个通道的灰度图， 以便之后在该灰度图中画上彩色，便于看清效果
//首先将原图灰度化，再将灰度化的图转换到 bgr空间中
cvtColor(srcImage, tempImage, CV_BGR2GRAY);
cvtColor(tempImage, grayImage, CV_GRAY2BGR);

namedWindow("【鼠标事件窗口】");
setMouseCallback("【鼠标事件窗口】", onMouse, 0);

namedWindow("【滚动条窗口】", 0);
createTrackbar("thick", "【滚动条窗口】", &g_nThick, 100, 0);
createTrackbar("Blue", "【滚动条窗口】", &g_nBlue, 255, 0);
createTrackbar("Green", "【滚动条窗口】", &g_nGreen, 255, 0);
createTrackbar("Red", "【滚动条窗口】", &g_nRed, 255, 0);
createTrackbar("Value", "【滚动条窗口】", &g_nImageOneValue, 100, 0);

char key;
while (1)
{
imshow("【鼠标事件窗口】", srcImage);
key = waitKey();
if (key == 27)
break;

//如果检测到 键值是1 则恢复原图
if (key == '1')
{
g_srcImage.copyTo(srcImage);
maskImage = Scalar::all(0);
imshow("【鼠标事件窗口】", srcImage);
}

//如果检测到空格 则开始执行分水岭算法
if (key == ' ')
{
//分水岭算法的步骤：
/*1、首先在掩码图中找到轮廓， 目的是让区域有索引值
2、用索引值来替代轮廓所包围的所有像素，使在一个轮廓中的像素，具有相同的像素值
3、利用分水岭算法函数将 区域内的像素值用索引值来代替
4、遍历得到的图像，使具有相同像素值的元素得到同一种颜色，方便显示(这一步 是使之前不易显示的图像得到显示)*/

//首先，在掩码图像中寻找轮廓
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(maskImage, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);

//利用分水岭算法函数
//因为该函数的输出的图像和输入的图像是一个类型的，所以需要借助中间变量，同时也要保证中间变量具有索引值
//这就可以通过在中间变变量中绘制轮廓来实现对轮廓索引值的标注
Mat midImage(maskImage.size(), CV_32S, Scalar(0));
for (int i = 0; i < (int)contours.size(); i++)
{
//让每个像素都得到标记
drawContours(midImage, contours, i, Scalar(i + 1), -1/*填充*/, 8, hierarchy);
}
imshow("【绘制轮廓的图】", midImage);
//分水岭算法的实现
//函数中的midImage已经为图像的每个像素储存了索引值，就利用这些索引值对原图像进行分水岭操作
//以标记作为基准，利用分水岭算法进行扩展
watershed(g_srcImage, midImage);

//显示分水岭算法后的图像
imshow("【分水岭算法结果图】", midImage);

//遍历得到的掩码图像，用颜色值来替代相同的索引值
//在这之前需要先定义一个随机颜色
vector<Vec3b> rngColor((int)contours.size());
rngColor.clear();
for (int i = 0; i < (int)contours.size(); i++)
{
uchar blue = rng.uniform(0, 255);
uchar green = rng.uniform(0, 255);
uchar red = rng.uniform(0, 255);

rngColor.push_back(Vec3b(blue, green, red));
}
//开始绘制
Mat waterImage(srcImage.size(), CV_8UC3);
for (int i = 0; i < midImage.rows; i++)
{
for (int j = 0; j < midImage.cols; j++)
{
int g_nValue = midImage.at<int>(i, j);

if (g_nValue == -1)
waterImage.at<Vec3b>(i, j) = Vec3b(255, 255, 255);
else if (g_nValue == 0)
waterImage.at<Vec3b>(i, j) = Vec3b(0, 0, 0);
else
waterImage.at<Vec3b>(i, j) = rngColor[g_nValue - 1];
}
}
waterImage = waterImage * ((1 + g_nImageOneValue) / 100.0) + grayImage * (1 - ((1 + g_nImageOneValue) / 100.0));
imshow("【分水岭图像】", waterImage);
}
}

return 0;
}