參考：

3、https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

4、https://github.com/makelove/OpenCV-Python-Tutorial# 進階教程

5、https://docs.opencv.org/3.3.0/index.html  官方英文教程

9、https://github.com/opencv/opencv   官方github

10、https://github.com/abidrahmank/OpenCV2-Python-Tutorials

注：安裝的版本 opencv_python-3.3.0

參考：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

用分水嶺演算法進行影象分割

目標

In this chapter,

• We will learn to use marker-based image segmentation using watershed algorithm
• We will see:cv2.watershed()

程式碼

我們從硬幣的近似估計開始。 為此，我們可以使用Otsu’s二值化。

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('coins.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

cv2.imshow('ret',thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

現在我們需要去除影象中的任何小的白色噪音。 為此，我們可以使用形態開放。 要刪除物體中的任何小孔，我們可以使用形態關閉。 所以，現在我們知道，物件中心附近的區域是前景，遠離物件的區域是背景。 只有我們不確定的地區是硬幣的邊界區域。

所以我們需要提取我們確定他們是硬幣的區域。 侵蝕去除邊界畫素。 所以無論如何，我們可以肯定是硬幣。 如果物件沒有互相接觸，那將會奏效。 但是由於他們互相接觸，另一個好的選擇是找到距離變換並應用適當的閾值。 接下來我們需要找到我們確定他們不是硬幣的區域。 為此，我們擴大了結果。 擴張將物件邊界增加到背景。 這樣，我們可以確保結果背景中的任何區域都是真正的背景，因為邊界區被刪除。 見下圖。

剩下的區域是我們沒有任何想法的區域，無論是硬幣還是背景。 流域演算法應該找到它。 這些區域通常位於前景和背景相遇的硬幣的邊界（甚至兩個不同的硬幣相遇）。 我們稱之為邊界。 可以從sure_bg區域中減去sure_fg區域獲得。

# noise removal
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) # 形態開運算
# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)

看到結果。 在閾值影象中，我們得到一些硬幣區域，我們確定硬幣，現在它們已經分離。 （在某些情況下，您可能只對前景分割感興趣，而不是分離相互接觸的物件，在這種情況下，您不需要使用距離變換，只是侵蝕就足夠了。侵蝕只是提取前景區域的另一種方法， 所有。）

現在我們知道哪些是硬幣區域，哪些是背景和全部。 所以我們建立標記（它是一個與原始影象大小相同的陣列，但是使用int32資料型別），並標記它內部的區域。 我們知道的區域（無論是前景還是背景）都被標記為任何正整數，但是不同的整數，我們不知道的區域只能保持為零。 為此，我們使用cv2.connectedComponents（）。 它用0標記影象的背景，然後其他物件用從1開始的整數標記。

但是我們知道如果背景被標記為0，則分水嶺將其視為未知區域。 所以我們想用不同的整數來標記它。 相反，我們將用未知的區域標記未知區域。

# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers+1
# Now, mark the region of unknown with zero
markers[unknown==255] = 0

現在我們的標記準備好了 現在是最後一步，應用流域的時候了。 然後標記影象將被修改。 邊界區域將被標記為-1。

markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('coins.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)


# noise removal
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) # 形態開運算
# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)


# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers+1
# Now, mark the region of unknown with zero
markers[unknown==255] = 0
markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]


cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()