参考文献：

OTSU阈值分割+孔洞填充+海陆分离_SwordKii的博客-CSDN博客

drawContours函数_普通网友的博客-CSDN博客_drawcontours

R329-opencv阈值分割算法——自适应阈值_Third Impact的博客-CSDN博客_opencv自适应阈值分割

分水岭算法的python实现及解析_进不去的博客-CSDN博客_python分水岭算法

分水岭算法的理解和应用_Evonne_H的博客-CSDN博客_分水岭算法详细介绍与应用

目录

OTSU大津算法（常用于海陆分割）

1.原理：

2.代码API

3.实现：

自适应阈值算法（复杂颜色地物提取例如打鱼船）

1.原理

2.代码API

3.实现

分水岭算法

OTSU大津算法（常用于海陆分割）

1.原理：

寻找海陆分割二值化的阈值，通过统计学方法，找到方差最大的时候的灰度值

2.代码API

#获取二值图像轮廓

contours, hierarchy=cv.findContours( img, mode, method);

contours：输出的轮廓，每一个轮廓用std::vector<std::vector >来存储；

hierarchy：输出的轮廓关系的存储；

img：二值图像；

mode：轮廓模式

cv.RETR_EXTERNAL：只有最外层轮廓；

cv.RETR_LIST ： 检测所有的轮廓，但是轮廓之间都是单独的，没有父子关系；

cv.RETR_CCOMP ： 检测所有的轮廓，但所有轮廓只建立两个等级关系；如果超过两个等级关系的，从顶层开始每两层分解成一个轮廓；

cv.RETR_TREE ： 检测所有轮廓，所有轮廓按照真实的情况建立等级关系，层数不限；

method：轮廓处理：

cv.CHAIN_APPROX_NONE ：不经过处理

cv.CHAIN_APPROX_SIMPLE：压缩轮廓

cv.CHAIN_APPROX_TC89_L1：用Teh-Chin chain approximation algorithm的一种算法压缩轮廓；

cv.CHAIN_APPROX_TC89_KCOS：用Teh-Chin chain approximation algorithm的另一种算法压缩轮廓；

#画出二值图像轮廓

cv.drawContours( img, contours, contourIdx,color, thickness=1)

函数参数详解：

contours：输入的轮廓组，每一组轮廓由点vector构成，

contourIdx：int 指明画第几个轮廓，如果该参数为负值，则画全部轮廓，

color：轮廓的颜色，

thickness：轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内部，

#轮廓面积

area = cv.contourArea(contours[i])

#填充轮廓

cv.fillPoly(img,contours,color)

3.实现：

import cv2 as cvimport matplotlib.pyplot as pltimport numpy as np#解决中文显示问题,固定格式plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#1.转化为灰度图pic1=cv.imread("DJI_0023.jpg")#2.高斯滤波去噪pic1 = cv.GaussianBlur(pic1, (5,5), 0)    # 高斯滤波gray=cv.cvtColor(pic1,cv.COLOR_BGR2GRAY)#3.OUST算法转换为二值图floatshold,bin = cv.threshold(gray, 0, 255, cv.THRESH_BINARY+cv.THRESH_OTSU)  #方法选择为THRESH_OTSU#4.形态学操作,闭运算去除孔洞,链接细小边缘kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (10, 10))bin = cv.morphologyEx(bin, cv.MORPH_CLOSE, kernel)#4.获取轮廓contours, hierarchy=cv.findContours(bin, cv.RETR_TREE,cv.CHAIN_APPROX_NONE)#5.填充轮廓len_contour = len(contours)contour_list = []mask = np.zeros_like(bin, np.uint8)  # 纯黑模板for i in range(len_contour):    cv.drawContours(mask, contours,i,(255,255, 255), -1)print(mask)#6.彩色图片去除黑色蒙版pic2=cv.bitwise_and(pic1,pic1, mask=mask)#绘制图像fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,10))axes[0,0].set_title("原图")axes[0,0].imshow(pic1[:,:,::-1])axes[0,1].set_title("二值图")axes[0,1].imshow(bin,plt.cm.gray)axes[1,0].set_title("轮廓合并")axes[1,0].imshow(mask,plt.cm.gray)axes[1,1].set_title("彩色图片去除黑色蒙版")axes[1,1].imshow(pic2[:,:,::-1])plt.show()cv.waitKey()

结果：

大津算法有利于海路分割，屏蔽海洋

自适应阈值算法（复杂颜色地物提取例如打鱼船）

1.原理

对分割的小块进行二值化阈值处理，而不考虑整体图像，有利于处理光照不均匀的图像

2.代码API

dst = cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

src：要处理的图像数据，为单通道灰度图像；
maxValue：double类型，二值化后的最大值；
adaptiveMethod：动态计算阈值的方法，有以下两种：

cv.ADAPTIVE_THRESH_MEAN_C：计算区域内的平均值减去C；
cv.ADAPTIVE_THRESH_GAUSSIAN_C：计算区域内的高斯均值减去C；

thresholdType：二值化类型flags，在该函数中仅能使用cv.THRESH_BINARY和cv.THRESH_BINARY_INV两种
blockSize：动态化计算阈值时所使用的区域的大小，类似卷积时的卷积核大小，需要为奇数；
C：计算区域内的均值后减去的常量，最后作为阈值；

3.实现

1.

import cv2 as cvimport matplotlib.pyplot as pltimport numpy as np#解决中文显示问题,固定格式plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#1.转化为灰度图pic1=cv.imread("DJI_0023.jpg")#2.高斯滤波去噪pic1 = cv.GaussianBlur(pic1, (5,5), 0)    # 高斯滤波gray=cv.cvtColor(pic1,cv.COLOR_BGR2GRAY)#3.adaptiveThreshold转换为二值图bin=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,11,5)#4.形态学操作,闭运算去除孔洞,链接细小边缘bin2=255-binbin2=cv.medianBlur(bin2,5)#中值去噪bin2=cv.dilate(bin2,np.ones(20,np.uint8))#膨胀#5.获取轮廓contours, hierarchy=cv.findContours(bin2, cv.RETR_TREE,cv.CHAIN_APPROX_NONE)#6.填充轮廓len_contour = len(contours)contour_list = []for i in range(len_contour):    area=cv.contourArea(contours[i])    if(area<5000):        contour_list.append(contours[i])cv.fillPoly(bin2,contour_list,(255,255,255))#7.腐蚀bin3=cv.erode(bin2,np.ones(20,np.uint8))#腐蚀#8.彩色图片去除黑色蒙版pic2=cv.bitwise_and(pic1,pic1, mask=bin3)#绘制图像fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,10))axes[0,0].set_title("原图")axes[0,0].imshow(pic1[:,:,::-1])axes[0,1].set_title("自适应二值图")axes[0,1].imshow(bin,plt.cm.gray)axes[1,0].set_title("人为进一步处理")axes[1,0].imshow(bin3,plt.cm.gray)axes[1,1].set_title("腐蚀后彩色图片去除黑色蒙版")axes[1,1].imshow(pic2[:,:,::-1])plt.show()cv.waitKey()

第三幅图靠作者的现阶段能力只能处理到这了。。不要嫌弃

噪声影响比较严重，对于复杂颜色的渔船提取较好

可见自适应二值化，对于边缘线提取比较有优势，但也提取了不必要的高亮海面部分

2.

如果扩大填充面积，area<50000，“船只”的提取情况更好一些，但相应不必要高亮海面也提取的更多

import cv2 as cvimport matplotlib.pyplot as pltimport numpy as np#解决中文显示问题,固定格式plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#1.转化为灰度图pic1=cv.imread("DJI_0023.jpg")#2.高斯滤波去噪pic1 = cv.GaussianBlur(pic1, (5,5), 0)    # 高斯滤波gray=cv.cvtColor(pic1,cv.COLOR_BGR2GRAY)#3.adaptiveThreshold转换为二值图bin=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,11,5)#4.形态学操作,闭运算去除孔洞,链接细小边缘bin2=255-binbin2=cv.dilate(bin2,np.ones(20,np.uint8))#膨胀#5.获取轮廓contours, hierarchy=cv.findContours(bin2, cv.RETR_TREE,cv.CHAIN_APPROX_NONE)#6.填充轮廓len_contour = len(contours)contour_list = []# mask = np.zeros_like(bin, np.uint8)  # 纯黑模板for i in range(len_contour):    area=cv.contourArea(contours[i])    if(area<50000):        contour_list.append(contours[i])cv.fillPoly(bin2,contour_list,(255,255,255))#7.腐蚀bin3=cv.erode(bin2,np.ones(20,np.uint8))#腐蚀#8.彩色图片去除黑色蒙版pic2=cv.bitwise_and(pic1,pic1, mask=bin3)#绘制图像fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,10))axes[0,0].set_title("原图")axes[0,0].imshow(pic1[:,:,::-1])axes[0,1].set_title("自适应二值图")axes[0,1].imshow(bin,plt.cm.gray)axes[1,0].set_title("人为进一步处理")axes[1,0].imshow(bin3,plt.cm.gray)axes[1,1].set_title("腐蚀后彩色图片去除黑色蒙版")axes[1,1].imshow(pic2[:,:,::-1])plt.show()cv.waitKey()

3.自己调参数改算法步骤吧。累了，陆地提取的一点不好。。。

分水岭算法

import cv2 as cvimport numpy as npimport matplotlib.pyplot as plt# 解决中文显示问题,固定格式，直接复制下面俩行代码就行plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falsedef watershed_image(image):    """分水岭算法"""    # 图像二值化    blurred = cv.pyrMeanShiftFiltering(image, 10, 50)  # 均值迁移滤波    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)  # 转换成灰度图    # cv.imshow("gray", gray)    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)  # 图像二值化    # cv.imshow("binary", binary)    # 去除噪声    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))  # 构造25×25的方形结构元素    opening = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel=kernel, iterations=2)  # 开操作(需要去除图像中的任何白点噪声)，迭代次数2    # cv.imshow("noise removal", opening)    # 确定背景区域sure_bg    sure_bg = cv.dilate(opening, kernel, iterations=3)  # 腐蚀，迭代次数3，会去除边界像素    cv.imshow("sure_bg", sure_bg)    # 寻找前景区域sure_fg    """ />

分水岭算法提取的边框比较规整，但是将顶上一部分水面也提取出来了，还是需要改进