如何在Python中使用分水岭算法分离图像

如何利用Python中的分水岭算法在图像分割后的多幅图像中分离单个图像 附加的图像由4幅图像组成，我们需要从中应用图像分割，并将单个图像从这4幅图像中分离出来

---

我们将先用洪水填满它

导入cv2；
输入numpy作为np；
#读取图像
im_in=cv2.imread（“2SNAT.jpg”，cv2.imread_灰度）；
#门槛。
#将等于或高于220的值设置为0。
#将值设置为220到255以下。
th，im_th=cv2.阈值（im_in，220，255，cv2.阈值二进制\u INV）；
#复制阈值图像。
im_floodfill=im_th.copy（）
#用于填充洪水的面罩。
#请注意，大小需要比图像大2个像素。
h、 w=中间形状[：2]
掩码=np.0（（h+2，w+2），np.uint8）
#从点（0,0）开始的洪水填充
cv2.泛光填充（im_泛光填充，遮罩，（0,0），255）；
#反转泛光图像
im\U泛光填充\U inv=cv2。按位\U not（im\U泛光填充）
#将这两幅图像合并以获得前景。
im_out=im|th | im_floodfill_inv

然后找到轮廓并裁剪出来

im，轮廓，层次=cv2.findContours（im\u out.copy（），cv2.RETR\u EXTERNAL，cv2.CHAIN\u近似值\u NONE）
最终_等高线=[]
对于等高线中的等高线：
面积=cv2。轮廓面积（轮廓）
如果面积>1000：
最终轮廓。附加（轮廓）

裁剪步骤，同时在原始图像上绘制矩形

计数器=0
对于最终轮廓中的c：
计数器=计数器+1
#对于[final_等高线[0]]中的c：
peri=cv2.弧长（c，真）
近似值=cv2.近似聚合度（c，0.01*peri，真）
x、 y，w，h=cv2.边界矩形（近似值）
打印（x、y、w、h）
纵横比=宽/浮点数（h）
如果（纵横比>=0.8，纵横比而不是使用分水岭，这里有一个使用阈值+形态学操作的简单方法。其思想是获得一个二值图像，然后执行变形接近，将每个对象合并为一个轮廓。然后，我们使用Numpy切片查找轮廓并提取/保存每个ROI

下面是以绿色高亮显示的每个单独对象


单个保存的对象



代码

我认为分水岭不适用于这种情况。请你提供建议，如何解决这个问题。@Ashish我不是这方面的专家，所以我的方法可能不是最好的，如果你需要更多的解释，请发表评论，你说对了，伙计。我们快找到解决办法了。只是收到以下错误消息：------------------------------------------------------------------------------>1等高线中的TypeError Traceback（最近一次调用last），hierarchy=cv2.findContours（cv2.RETR\u EXTERNAL，cv2.CHAIN\u About\u NONE）2 3最终等高线=[]4等高线中的等高线：5 area=cv2。等高线区域（等高线）TypeError:findContours（）缺少所需的参数“方法”（位置3）感谢Buddy的快速帮助和响应，也来自第一块代码的输出图像，是否可以仅从第一张图中单独获取单独的图像，就像实际需要的四个黄色阴影图像一样（不带正方形边界）在中，行尾的分号不是必需的Python@Ashish您使用的
findContours
代码行缺少图像输入的第一个参数，
im，contours，hierarchy=cv2.findContours（im\u out.copy（），cv2.RETR\u EXTERNAL，cv2.CHAIN\u APPROX\u NONE）
此外，如果要获取黄色阴影图像，请更改此行（裁剪并写入文件）
cv2.imwrite（'splitted{}.jpg'.格式（计数器），im_in[y:y+h，x:x+w]）
to
cv2.imwrite（'splitted{}.jpg'.格式（计数器），im_out[y:y+h，x:x+w]）
谢谢@Nathance。上面的逻辑不适用于未正确对齐的图像。您能建议如何处理图像，以便图像中有两个单独的图像A和B，我已经在图像中描述过。提前感谢如果它不是矩形对象，您必须使用位掩蔽。找到轮廓并绘制每个轮廓浏览白色的空白蒙版，然后按位和原始输入。从这里找到蒙版上的边界框并提取ROI
import cv2

# Load image, grayscale, Otsu's threshold
image = cv2.imread('1.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Morph close
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7,7))
close = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=3)

# Find contours and extract ROI
cnts = cv2.findContours(close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
num = 0
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
    ROI = original[y:y+h, x:x+w]
    cv2.imwrite('ROI_{}.png'.format(num), ROI)
    num += 1

cv2.imshow('image', image)
cv2.waitKey()