分水岭 - 灰度图像中的局部最小值

Question

我有一组灰度图像，需要在其中定位局部最小值。我正在 Matlab 中编写代码，我正在寻找有关如何构建算法的建议：我需要计算梯度还是可以只使用 watershed 函数？

这是我用来做第一次分析的代码（下图）：

IM_c = imcomplement(IM);
L = watershed(IM_c);
Lrgb = label2rgb(L);
figure; hold on;
subplot(3,1,1); imshow(IM_c); hold on;
subplot(3,1,2); imshow(Lrgb);hold on;
subplot(3,1,3); imshow(imfuse(IM_c,Lrgb));

凭直觉，我希望在箭头指向的像素中找到区域最小值：

Answer 1

你的问题是图像非常嘈杂。您应该对其进行模糊处理，以消除局部噪声。
例如，您可以使用高斯或框模糊或形态平滑，例如关闭操作。

我不确定分水岭是否是正确的工具。形态侵蚀在每个像素的定义邻域中分配局部最小值。从侵蚀图像和阈值 -1 中减去原始图像。剩余的非零像素，是局部最小值。

Answer 2

我想解决方案是使用渐变图像，遵循 this 论文中描述的算法。过程比较复杂，所以我

使用 imerode 和 imdilate 清理了图像；
制作图像的二值化版本 (IM_bin) 并将其用作过滤器，以便如果 IM_bin(x,y) > 0
IM_clean(x,y) = IM(x,y); 别的 IM_clean(x,y) = 0;
再次使用imerode；
使用 imregionalmax 寻找区域最大值。

Answer 3

正如 Adi Shavit 所提到的，图像非常嘈杂。这会导致直接在图像上使用分水岭时过度分割（因为图像上有很多极值）。

您确实需要执行某种预处理来平滑图像。如果你不想使用模糊，你可以在找到极值之前尝试形态学重建（imreconstruct）。

% if img is your original grayscale image

wSize = 6;
se = strel('disk', wSize);

% opening by reconstruction - to remove specks in the dark background
imgEroded = imerode(img, se);
imgRecon = imreconstruct(imgEroded, img);

imgReconComp = imcomplement(imgRecon);

% opening by reconstruction - to homogenize the pixels in the foreground(clouds)
imgEroded2 = imerode(imgReconComp, se);
imgRecon2 = imreconstruct(imgEroded2, imgReconComp);

minima = imregionalmin(imgRecon2);

覆盖在原始图像上的最小值看起来像这样 -

您可以尝试使用结构元素的size/shape，看看是否能得到更好的结果。

您也可以使用极值作为种子对梯度图像进行分水岭分割，但这可能不会产生有意义的结果（看起来您并没有尝试执行分割）。

分水岭 - 灰度图像中的局部最小值

Watershed - local minima in greyscale image

matlab

image-processing

watershed