Matlab图像处理学习笔记（九）：获取叠加物体的数量并进行分割

本笔记说明如何对叠加物体的数量进行计数，并对其进行分割。

本文算法思路参考了Nash的思路，图像也是采用Nash的图像，为叠加硬币，链接：http://opencv-code.com/tutorials/count-and-segment-overlapping-objects-with-watershed-and-distance-transform/

本文涉及到的主要知识点如下：

1、距离变换。

2、基于分水岭变换的分割。

其中，本文采用基于标记符控制的分水岭分割，源该算法的思路来自冈萨雷斯的数字图像处理（MATLAB版）（第二版）。

算法过程如下：

1、对原始图像进行二值化。

2、对二值化后的图像进行距离变换，并归一化到0~1。

3、对距离变换以0.5为阈值进行二值化，之后获得连通分量的数量即为硬币的数量。

4、用sobel算子求梯度的幅度（因为梯度幅度图像沿物体边缘有较大模值，故理想情况下，对梯度图像进行分水岭变换可得到沿物体边缘的分水岭脊线）。

5、用最小覆盖技术处理图像，使得局部最小区域仅出现在标记过的位置（不然会导致过分割，使脊线出现在不该出现的位置）。

6、进行分水岭变换。

本文对应的matlab源代码如下：

%function:%       用距离变换获得叠加硬币的数量，并用分水岭变换对叠加的硬币进行分割%referrence：%       http://opencv-code.com/tutorials/count-and-segment-overlapping-objects-with-watershed-and-distance-transform/%       冈萨雷斯，数字图像处理（MATLAB版）（第二版）%date:2015-1-17%author:chenyanan%转载请注明出处：http://blog.csdn.net/u010278305%清空变量，读取图像clear;close allsrc = imread('images/watershed-disttrans-src-img.jpg');figure('name','Process'),%显示原始图像subplot(2,2,1),imshow(src),title('src'),%转换为灰度图像gray=rgb2gray(src);gray = im2double(gray);subplot(2,2,2),imshow(gray),title('gray'),%用ostu方法获取二值化阈值，进行二值化并进行显示level=graythresh(gray);bw=~im2bw(gray,level);subplot(2,2,3),imshow(bw),title('bw'),%Get the distance transform and normalize the result to [0,1] so we can visualize and threshold it,dist = bwdist(bw);maxDist=max(max(dist));dist=dist./maxDist;dist=im2bw(dist,0.5);%获取边界,得到连通边界的数量[B,Lbound] = bwboundaries(dist,'noholes');ncomp = length(B);titlenum=sprintf('coins:%d',ncomp);subplot(2,2,4),imshow(dist),title(titlenum),%Create the marker image for the watershed algorithm.markers=dist;%We also need to draw the background marker. %Assuming that the objects located at the center of the image, %we simply draw a marker near the border.markers(2:8,2:8)=1;%用sobel算子来求梯度模值%梯度幅值在物体边缘有较大值，通过对梯度模值进行分水岭变换，%理想情况下，可得到沿物体边缘的分水岭脊线h=fspecial('sobel');g=sqrt(imfilter(gray,h,'replicate').^2+...       imfilter(gray,h','replicate').^2);%由于存在大量的局部最小值，直接应用watershed会导致过度分割，故先用最小覆盖技术处理图像，%使得局部最小区域仅出现在标记过的位置g2 = imimposemin(g,markers);%Perform the watershed algorithm.L=watershed(g2);%将分水岭的像素值改为255f2=gray;f2(L==0)=255;%绘制识别结果figure('name','Result');subplot(1,2,1),imshow(f2),title('watershed pixels'),%用不同颜色来标记每个前景物体和背景dst = label2rgb(L);subplot(1,2,2),imshow(dst);title('watershed region'),

运行结果如下：

源图像如下：