OpenCV - 如何使用 FloodFill 和 RGB 图像？

Question

我正在尝试在如下图像上使用floodFill 来提取天空：

但即使我设置了loDiff=Scalar(0,0,0) 和upDiff=Scalar(255,255,255)，结果也只是显示种子点并且不会变大（绿点）：

代码：

Mat flood;
Point seed = Point(180, 80);
flood = imread("D:/Project/data/1.jpeg");
cv::floodFill(flood, seed, Scalar(0, 0, 255), NULL, Scalar(0, 0, 0), Scalar(255, 255, 255));
circle(flood, seed, 2, Scalar(0, 255, 0), CV_FILLED, CV_AA);

这是结果（红点是种子）：

如何设置功能以获得更大的区域（如整个天空）？

Answer 1

您需要正确设置loDiff 和upDiff 参数。

见floodFill documentation：

loDiff - 当前观察到的像素与其属于该组件的相邻像素之一或添加到该组件的种子像素之间的最大较低亮度/色差。
upDiff – 当前观察到的像素与其属于该组件的相邻像素之一或添加到该组件的种子像素之间的最大亮度/色差。

这是一个 Python 代码示例：

import cv2
flood = cv2.imread("1.jpeg");

seed = (180, 80)

cv2.floodFill(flood, None, seedPoint=seed, newVal=(0, 0, 255), loDiff=(5, 5, 5, 5), upDiff=(5, 5, 5, 5))
cv2.circle(flood, seed, 2, (0, 255, 0), cv2.FILLED, cv2.LINE_AA);

cv2.imshow('flood', flood)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

结果：

Answer 2

如果您希望填充的轮廓尽可能接近图像中的对比元素，您可以做的另一件事是执行 Kmeans 颜色量化以将图像分割成指定数量的簇。由于天空和山/树有明显的色差，我们可以将图像分割成三种颜色，这样可以更好地分离物体。

例如clusters=3:

输入图像->Kmeans颜色分割

填土结果为绿色

请注意，分割后，只有三种颜色定义了图像。这样，填埋场将更好地沿着山脉/树木轮廓

代码

import cv2
import numpy as np

# Kmeans color segmentation
def kmeans_color_quantization(image, clusters=8, rounds=1):
    h, w = image.shape[:2]
    samples = np.zeros([h*w,3], dtype=np.float32)
    count = 0

    for x in range(h):
        for y in range(w):
            samples[count] = image[x][y]
            count += 1

    compactness, labels, centers = cv2.kmeans(samples,
            clusters, 
            None,
            (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10000, 0.0001), 
            rounds, 
            cv2.KMEANS_RANDOM_CENTERS)

    centers = np.uint8(centers)
    res = centers[labels.flatten()]
    return res.reshape((image.shape))

# Load image and perform kmeans
image = cv2.imread('1.jpg')
kmeans = kmeans_color_quantization(image, clusters=3)
result = kmeans.copy()

# Floodfill
seed_point = (150, 50)
cv2.floodFill(result, None, seedPoint=seed_point, newVal=(36, 255, 12), loDiff=(0, 0, 0, 0), upDiff=(0, 0, 0, 0))

cv2.imshow('image', image)
cv2.imshow('kmeans', kmeans)
cv2.imshow('result', result)
cv2.waitKey()