OpenCV 分水岭算法--距离变换distanceTransform

距离变换原理
距离变换的定义是：计算一个图像中非零像素点到最近的像素点的距离，也就是到零像素点的最短距离。

---

距离变换的处理图像通常是二值图像
什么是二值图像：就是把图像分为两个部分，即：背景和物体（前景目标）两部分

通常情况下，
我们把前景目标的灰度值设置为255，也就是白色
背景的灰度值我们设置为0，也就是黑色

所以回归到距离变换原理，
非零像素点就是前景目标
零像素点就是背景

如上图所示，手就是前景目标，黑色就是背景。

---

图像中前景目标的像素点距离背景的像素点越远，
用一个像素值来替换这个距离值，那么新生成的图像的这个点(前景目标的像素点)越亮。

---

手指相对于手掌来说，手指的距离比较近，所以替换得到的像素点比较小（暗）
而手掌的距离比较大，所替换的像素点比较大（亮）
通过合理的阈值对距离变换后的图像进行二值化处理，即可去除手指，手掌重心即为图像的几何中心。

---

distancetransform 函数
主要用于计算非零像素到最近零像素点的距离，一般用于求解图像的骨骼，得到的是距离图像数组。

def distanceTransform(src, distanceType, maskSize, dst=None, dstType=None)

• src：输入的图像，一般为二值图像
• distanceType：所用的求解距离的类型（CV_DIST_L1, CV_DIST_L2 , CV_DIST_C）
• maskSize：距离变换掩模的大小

骨骼显示如果想要骨骼显示，我们需要对distanceTransform返回的结果进行归一化处理，使用normalize

---

mask
用户自定义距离情况下的 mask。

• 3×3 mask 下它由两个数(水平/垂直位量，对角线位移量）组成
• 5×5 mask 下由三个数组成(水平/垂直位移量，对角位移和 国际象棋里的马步(马走日))

函数 cvDistTransform 二值图像每一个象素点到它最邻近零象素点的距离。
对零象素，函数设置 0 距离
对其它象素，它寻找由基本位移（水平、垂直、对角线或knight’s move，最后一项对 5×5 mask 有用）构成的最短路径。

• 由于距离函数是对称的，所有水平和垂直位移具有同样的代价 (表示为 a )
• 所有的对角位移具有同样的代价 (表示为 b)
• 所有的 knight’s 移动具有同样的代价 (表示为 c)
  对类型 CV_DIST_C 和 CV_DIST_L1，距离的计算是精确的，而类型 CV_DIST_L2 (欧式距离) 距离的计算有某些相对误差 (5×5 mask 给出更精确的结果)

OpenCV 使用 [Borgefors86] 推荐的值：

• CV_DIST_C (3×3):a=1, b=1
• CV_DIST_L1 (3×3):a=1, b=2
• CV_DIST_L2 (3×3):a=0.955, b=1.3693
• CV_DIST_L2 (5×5):a=1, b=1.4, c=2.1969

---