### 使用 OpenCV 实现分水岭算法进行形状识别 #### 分水岭算法简介 分水岭算法是一种基于拓扑理论的图像分割方法，特别适用于分离粘连的目标物体。该算法通过模拟地形地貌中的水流汇聚过程来定义目标边界，在计算机视觉领域广泛应用。 #### 应用场景描述 为了更好地理解如何利用分水岭算法来进行形状识别，考虑这样一个具体的应用场景：假设有一幅包含多个重叠圆形物体（如硬币）的灰度图片，现在希望通过编程手段将其清晰地区分开来[^3]。 #### 关键步骤解析 - **预处理阶段** 对原始输入图像执行必要的预处理操作，比如转换色彩空间、模糊化以及阈值处理等，目的是减少不必要的干扰因素并突出感兴趣的对象特征。 - **标记生成环节** 构建一个与原图尺寸相匹配的整型矩阵作为标记容器 `markers` ，其中每一个非零元素代表已知前景或背景像素点；通常会先找到局部极大值位置作为初步候选区域中心，并赋予唯一编号。 - **调用核心API完成最终划分** 借助于OpenCV库提供的 `cv.watershed()` 方法传入待分析影像及其对应的标记数据结构即可得到经过优化后的分割结果；值得注意的是返回值中负数部分表示未知归属区而正数值则指示特定对象所属类别标识符。 #### Python代码实例 下面给出一段完整的Python脚本示范了整个流程： ```python import numpy as np import cv2 def watershed_segmentation(image_path): img = cv2.imread(image_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) kernel = np.ones((3, 3),np.uint8) opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) sure_bg = cv2.dilate(opening,kernel,iterations=3) dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5) ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0) sure_fg = np.uint8(sure_fg) unknown = cv2.subtract(sure_bg,sure_fg) _, markers = cv2.connectedComponents(sure_fg) markers = markers+1 markers[unknown==255] = 0 markers = cv2.watershed(img,markers) img[markers == -1] = [255,0,0] return img, markers if __name__ == "__main__": segmented_image, _ = watershed_segmentation('coins.png') cv2.imshow("Segmented Image",segmented_image ) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此段程序实现了读取指定路径下的测试图片文件 'coins.png' 并对其进行分水岭变换以达到区分各个独立实体的效果，最后显示处理完毕的结果窗口供观察验证。