超级会员免费看
本文介绍了Halcon中的分水岭算法，用于解决机器视觉中粘连物体图像的分割问题。通过将图像视为高度图，找到局部最小值点并进行分水岭分割，以防止过度分割。同时，讨论了距离变换的不同类型，如欧式、城市街区和棋盘距离，并阐述其在简化分水岭算法复杂度上的作用。最后，给出了实例代码和图像效果展示。
分水岭的原理
把图像的灰度看作高度图，图像中每个像素点的灰度值看作该点的高度，高灰度值代表山脉，低灰度值代表盆地，每个局部最小值及其周围区域称为集水盆，而集水盆的边界则形成分水岭。
分水岭算法的步骤
1.彩色图像转化成单通道灰度图
2.求梯度图
3.在梯度图的基础上进行分水岭算法，求取分区域的边缘线。
局部最小值点：
对应的是一个盆地的最小值，当我们在盆地里面滴一滴水的时候，由于重力作用，水最终会汇聚到该点。
盆地的其他位置点：
该位置滴的水滴会汇聚到局部最小点。
在盆地的最小值点，打一个洞，然后往盆地里面注水，并阻止两个盆地的水汇集，我们会在两个盆地的水汇集的时刻，在交接的边缘线上（即分水岭），
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
