Watershed 알고리즘

사용하는 이유

다른 객체이지만, 객체끼리 붙어있거나 겹쳐있다면 컴퓨터는 서로 다른 객체로 인식하기 어렵다.

원본 이미지	하나의 객체로 인식한 모습

Distance Transform

• 이진 이미지에서 외부에서부터 내부로 들어갈수록 픽셀의 값이 커지는 행렬
• 각 픽셀의 값은 가장 가까운 장애 픽셀(일반적으로 가장자리 픽셀) 까지의 거리를 나타냄

Distance Transfrom을 활용해 추출한 스켈레톤 이미지

진행과정

1. Apply Blur
2. Convert to Grayscale
3. Apply Threshold
4. Noise Removal (Optional)

---

5. Grab Background that you are sure of
6. Find Sure Foreground
7. Find Unknown Region
8. Label Makers of Sure Foreground
9. Apply Watershed Algorithm
10. Find Contours on Markers

# Apply Blur
img = cv2.medianBlur(img, 35)

# Convert To Grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Apply Threshold
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# Noise Removal
kernel = np.ones((3,3), np.unit8)
opening = cv2.morpholohyEX(thresh, cv2.MORPH_OPEN, kernel, iteration = 2)

# Grab Background that you are sure of
sure_bg = cv2.dilate(opening, kernel, iterations=3)

# Find Sure Foreground
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)
ret, sure_fg = cv2.threshold(dist_transform, 0.7 * dist_transform.max(), 255, 0)

# Find Unknown Region
sure_fg = np.unit(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

# Label Makers of Sure Foreground
ret, markers = cv2.connectedComponents(sure_fg)
markers = makres + 1
markers[unknown == 255] = 0

# Apply Watershed Algorithm
markers = cv2.watershed(img, markers)

# Find Contours on Markers
image, contours, hierarchy = cv2.findContours(markers.copy(), cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)

# For every entry in contours
for i in range(len(contours)):
    if hierarchy[0][i][3] == -1:        
        cv2.drawContours(sep_coins, contours, i, (255, 0, 0), 10)

설명

• 전처리된 이미지에서 배경과 전경을 분리하고, 배경에서 전경을 제거해 Unknown 지역을 구분한다.
• 마킹작업을 진행하고, Unknown 지역을 제거해 Watershed 알고리즘에서 사용할 시드로 사용

결과

sure_bg	sure_fg	unknown	marking

watreshed	result

Unknow Region을 빼줘야 하는이유

Unknown Region O	Unknown Region X

Custom Seed 사용하기

Custom Seed

• Distance Transform처럼 알고리즘에 의해 seed를 선택하는것이 아니라 사용자가 직접 seed를 선택

n_markers = 10

current_marker = 1
marks_update = False

def mouse_callback(event, x, y, flags, param):
	global marks_update
    
    if event == cv2.Event_LBUTTONDONW:
    	cv2.circle(marker_image, (x, y), 10, (curret_marker), -1)
        
        cv2.circle(road_copy, (x, y), 10, colors[current_marker], -1)
        marks_updated = True


cv2.nameWindow('Road Image')
cv2.setMouseCallback('Road Image', mouse_callback)

while True:
	cv2.imshow('Watershed segments', segments)
    cv2.imshow('Road Image', road_copy)
    
    k = cv2.waitKey(1)
    
    if k == 27:
    	break
    elif k == ord('c'):
    	road_copy = road.copy()
        marker_image = np.zeros(road.shape[0:2], dtyp=np.int32)
        segments = np.zeros(road.shape,dtype=np.uint8)