Python 基于分水岭的连通物体图像分割

我正在尝试分离连接的对象。Python和分水岭算法（scipy实现）似乎非常适合处理这个问题

这是我的图像和自动生成的分水岭种子点（阈值图像和距离变换图像的局部最大值）：

到目前为止，一切顺利；每个物体都有一颗种子

但是，当我运行分水岭时，事情就崩溃了：

segmented = ndimage.measurements.watershed_ift( 255 - image_grey, seeds)`

顶部中间的仪表盘和中心仪表盘分离不良。在顶部簇中，一个对象淹没在另两个对象周围。在中心簇中，虽然它可能太小而无法在这里看到，但中心种子仅淹没到几个像素

我有两个问题：

分水岭算法是分离像这样的对象的好选择吗

如果是这样的话，我是否需要做一些预处理，使图像更适合分水岭分割

---

分水岭算法是一种简单而健壮的分割算法。您的数据似乎适合这种分割算法。据我所知，不需要特殊的预处理。当然，你已经看到了自己，在这种情况下，它有点接近

通常使用“分水岭”，但不考虑有关要识别的对象的任何特殊知识。这样可能会有更复杂的算法可用

此外，可能还有更复杂的分水岭算法版本可用。这个名为的Python模块具有参数（与scipy版本不同）。我会稍微调整一下参数，看看结果是否可以改善

---

是一种经常用于自动分割的工具。它结合了半自动学习（基本上是通过举例对其进行训练，并从中学习重要特征）。

在距离变换步骤后，应应用多级阈值方法。将距离转换图像转换为灰度图像后，对象的中心将在生成的灰度图像中具有最高的像素值。在这里，您可以从阈值的最高值开始查找对象的中心。看这篇文章

我发现了这条线索，因为我在

分水岭_\u ift

上遇到了同样的问题。我建议只使用

skimage.morphics

中的

流域

函数。它接受浮点输入，因此不会丢失灰度图像的分辨率，并且实际上会淹没整个盆地，而

ift

方法似乎只淹没标记所在的等值线

编辑： 一定要将距离变换乘以-1，这样山峰就变成了山谷，否则你就得不到任何分水岭了

segmented = ndimage.measurements.watershed_ift( 255 - image_grey, seeds)`