本文共 1194 字，大约阅读时间需要 3 分钟。

下面的示例代码主要有这几步：

1. 加载图像并转为灰度，设置一个阈值，将图像分为黑色部分和白色部分。
2. 通过morphologyEx()变换来去除噪声数据。
3. 使用dilate()函数得到大部分都是背景的区域。
4. 使用distanceTransform()函数的到最可能是前景的区域，并应用一个阈值来判断最可能为前景的区域。
5. 前景与背景区域相减得到边界区域。

示例代码如下：

import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread('basil.jpg')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)# noise removalkernel = np.ones((3, 3), np.uint8)opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)# sure background areasure_bg = cv2.dilate(opening, kernel, iterations=3)# Finding sure foreground areadist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)ret, sure_fg = cv2.threshold(dist_transform, 0.7 * dist_transform.max(), 255, 0)# Finding unknown regionsure_fg = np.uint8(sure_fg)unknown = cv2.subtract(sure_bg, sure_fg)# Marker labellingret, markers = cv2.connectedComponents(sure_fg)# Add one to all labels so that sure background is not 0, but 1markers = markers + 1# Now, mark the region of unknown with zeromarkers[unknown == 255] = 0markers = cv2.watershed(img, markers)img[markers == -1] = [255, 0, 0]plt.imshow(img)plt.show()

原图像basil.jpg为：

运行结果为：

转载地址：https://mortal.blog.csdn.net/article/details/83188897 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！