基于分水岭算法的图像分割

在分水岭（Watershed）算法中，将背景灰度图像视为拓扑地貌，像素的灰度等级解释为地貌中的高度。地貌被划分为多个集水盆地，理想的情况是每个集水盆地都包含一个期望分割的对象。落在地貌上的一滴水沿着路径流动，最终达到局部最小值。直观地说，地貌的分水岭对应为水滴相邻集水盆地的界限。通常，Watershed 分割工具可用于分割相之间对比度有限的颗粒材料，例如包含沥青或混凝土的图像数据。

点击 Image processing — Segmentation — Advanced — Watershed。

• Input mask：选择应用分水岭算法的掩膜，点击 Dataset browser 中的掩膜将其切换为 Active mask。
• Elevation function：对象边界根据需要高程函数作为输入的分水岭算法计算。有三个高程函数的可选项，合适的高程函数应具有远离边界的局部低像素值、边界附近和边界上的高像素值。
  • Background：将背景图像用作高程函数
  • Background gradient：对于图像的每个像素，计算背景图像的梯度幅值
  • Mask distance transform：对于图像的每个像素，根据该像素到掩膜表面的距离设置像素值。
• Result：选择分水岭算法的输出
  • Multiple masks, minimum number of masksB：具有最少独立掩膜数量的多个掩膜，每个颗粒不会与同一掩膜中别的颗粒接触。
  • Multi-label mask, one label per region：一个多标签掩膜，每个颗粒都有一个单独的标签。
  • Single mask, with interfacial separator mask：一个颗粒掩膜和一个界面分离掩模。
• Discard particles that touch boundaries：勾选此选项可排除接触图像边界的颗粒。对于查看颗粒的统计数据可能会很有用，因为它只包含完整的颗粒。

图：（左）原始图像（中）基于 OTSU 方法获得的分割图像（右）分水岭算法创建的分割