在Android上玩转Opencv 系列:21.基础知识 分水岭算法（Watershed）和洪水填充（FloodFill）

Android 版 OpenCV 分水岭算法（Watershed）和洪水填充（FloodFill）详解

在 OpenCV 中，分水岭算法（Watershed） 和 洪水填充算法（FloodFill） 是两种常见的区域分割方法，常用于图像分割、物体分割 和 前景提取。

1. 分水岭算法（Watershed Algorithm）

1.1 分水岭算法原理

分水岭算法是一种基于拓扑形态学的图像分割方法，主要步骤如下：

1. 计算梯度（边缘）

• 使用 cv2.Canny() 或 cv2.Sobel() 计算图像梯度（找到边界）。

2. 生成标记（Markers）

• 定义前景（对象区域） 和 背景（非对象区域） 。

• 用 cv2.connectedComponents() 或手动绘制标记点。

3. 应用分水岭变换（Watershed Transform）

• 让水流从标记点扩展，最终填充整个图像，形成不同区域的分割。

1.2 分水岭算法实现

步骤

1. 读取图像并转换为灰度图

2. 使用 GaussianBlur() 平滑图像

3. 进行 Canny() 边缘检测

4. 使用 dilate() 和 erode() 处理前景和背景

5. 标记区域，并使用 watershed() 进行分割

代码示例

import org.opencv.android.Utils;
import org.opencv.core.*;
import org.opencv.imgproc.Imgproc;
import android.graphics.Bitmap;

public class WatershedSegmentation {
    public static Bitmap applyWatershed(Bitmap inputBitmap) {
        // 转换 Bitmap 为 Mat
        Mat srcMat = new Mat();
        Utils.bitmapToMat(inputBitmap, srcMat);

        // 转换为灰度图
        Mat grayMat = new Mat();
        Imgproc.cvtColor(srcMat, grayMat, Imgproc.COLOR_BGR2GRAY);

        // 高斯模糊降噪
        Imgproc.GaussianBlur(grayMat, grayMat, new Size(5, 5), 0);

        // 使用 Canny 进行边缘检测
        Mat edges = new Mat();
        Imgproc.Canny(grayMat, edges, 100, 200);

        // 形态学操作（膨胀和腐蚀）来修正边界
        Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(3, 3));
        Imgproc.dilate(edges, edges, kernel);
        Imgproc.erode(edges, edges, kernel);

        // 寻找连通区域（标记前景和背景）
        Mat markers = new Mat();
        Imgproc.connectedComponents(edges, markers);

        // 应用分水岭算法
        Imgproc.watershed(srcMat, markers);

        // 在原图上绘制分割边界（红色）
        for (int i = 0; i < markers.rows(); i++) {
            for (int j = 0; j < markers.cols(); j++) {
                if (markers.get(i, j)[0] == -1) {
                    srcMat.put(i, j, new double[]{0, 0, 255}); // 标记分割边界为红色
                }
            }
        }

        // 转换回 Bitmap
        Bitmap outputBitmap = Bitmap.createBitmap(srcMat.cols(), srcMat.rows(), Bitmap.Config.ARGB_8888);
        Utils.matToBitmap(srcMat, outputBitmap);

        return outputBitmap;
    }
}

应用场景

• 物体分割（如细胞分割、车牌分割）

• 车道检测

• 复杂背景下的前景提取

2. 洪水填充算法（Flood Fill）

2.1 洪水填充原理

洪水填充（Flood Fill） 类似于 Photoshop 里的“油漆桶”工具，能够填充相似颜色区域。

基本概念

• 起点（Seed Point） : 从哪个像素点开始填充

• 填充颜色（New Color） : 替换旧颜色的颜色

• 容差（Tolerance） : 允许多少颜色变化范围

• 掩码（Mask） : 限制填充范围，避免溢出

2.2 洪水填充算法实现

步骤

1. 读取图像并转换为灰度图

2. 选择一个起始种子点

3. 使用 floodFill() 填充区域

代码示例

import org.opencv.android.Utils;
import org.opencv.core.*;
import org.opencv.imgproc.Imgproc;
import android.graphics.Bitmap;

public class FloodFillAlgorithm {
    public static Bitmap applyFloodFill(Bitmap inputBitmap, Point seedPoint, Scalar fillColor) {
        // 转换 Bitmap 为 Mat
        Mat srcMat = new Mat();
        Utils.bitmapToMat(inputBitmap, srcMat);

        // 创建掩码
        Mat mask = new Mat(srcMat.rows() + 2, srcMat.cols() + 2, CvType.CV_8UC1, new Scalar(0));

        // 设定填充参数
        Scalar newColor = fillColor; // 替换颜色
        Scalar loDiff = new Scalar(10, 10, 10); // 颜色变化下界
        Scalar upDiff = new Scalar(10, 10, 10); // 颜色变化上界

        // 进行洪水填充
        Imgproc.floodFill(srcMat, mask, seedPoint, newColor, new Rect(), loDiff, upDiff, Imgproc.FLOODFILL_FIXED_RANGE);

        // 转换回 Bitmap
        Bitmap outputBitmap = Bitmap.createBitmap(srcMat.cols(), srcMat.rows(), Bitmap.Config.ARGB_8888);
        Utils.matToBitmap(srcMat, outputBitmap);

        return outputBitmap;
    }
}

应用场景

• 背景填充（如更换背景颜色）

• 区域分割（填充特定区域）

• 形状检测（找到连通区域）

3. 分水岭 vs 洪水填充

	分水岭算法（Watershed）	洪水填充（FloodFill）
适用场景	复杂对象分割	颜色填充
需要的输入	需要梯度或边缘信息	需要种子点
计算复杂度	较高	较低
优点	适合分割复杂形状	速度快，易用

4. 总结

• 分水岭算法 适用于复杂的 图像分割，如车道检测、医学图像处理等。

• 洪水填充 适用于 区域填充，如背景替换、形状检测等。

• 在 Android OpenCV 中，可以结合 Canny() 、Morphology 进行更精确的分割和填充。