当前位置：首页 > article >正文

深入理解 OpenCV 的距离变换（cv2.distanceTransform）及其应用

article 2024/12/24 6:22:57

引言

距离变换（Distance Transform）是图像处理中的一个重要工具，它可以用来计算二值图像中每个像素到最近前景像素的距离。在计算机视觉领域，距离变换不仅用于简单的距离计算，还广泛应用于分割算法优化、目标检测后处理和形态学操作等场景。本文将详细介绍 OpenCV 中的 cv2.distanceTransform 函数，并通过具体示例展示其实际价值。

什么是距离变换

距离变换是针对二值图像的一种操作，其结果是一个灰度图像，图像中每个像素的灰度值表示它到最近的前景像素（通常是白色区域）的距离。简单来说，它可以帮助我们量化背景区域到前景区域的空间分布。

OpenCV 中的距离变换函数

OpenCV 提供了 cv2.distanceTransform 函数用于快速计算距离变换：
函数签名

cv2.distanceTransform(src, distanceType, maskSize[, dst[, dstType]])

参数说明

src：输入的二值图像，背景像素值为 0，前景像素值为非零（通常为 255）。
distanceType：距离的计算方式，可选：
- cv2.DIST_L1：曼哈顿距离。
- cv2.DIST_L2：欧氏距离（最常用）。
- cv2.DIST_C：切比雪夫距离。
maskSize：用于距离计算的掩码大小，取值为 3、5 或 cv2.DIST_MASK_PRECISE。
返回值为一个浮点型数组，表示每个像素到最近前景像素的距离。

示例代码：生成距离图并可视化

import cv2
import numpy as np
import matplotlib.pyplot as plt

def visualize_distance_with_mask(binary_mask):
    """
    计算二值图像的距离变换，并将结果可视化。
    
    参数:
        binary_mask (numpy.ndarray): 二值化的掩码图像，255 表示前景，0 表示背景。
        
    返回:
        result (numpy.ndarray): 距离变换结果图像（0-255）。
    """
    # 确保输入为二值图像
    mask = binary_mask.copy()
    if mask.max() > 0:
        mask = (mask > 0).astype(np.uint8) * 255
    
    # 反转 mask，计算背景到前景的距离
    inv_mask = cv2.bitwise_not(mask)
    distance = cv2.distanceTransform(inv_mask, cv2.DIST_L2, 3)
    
    # 将距离值归一化到 [0, 255]，并反转，使得距离越近值越大
    distance_normalized = cv2.normalize(distance, None, 0, 255, cv2.NORM_MINMAX)
    distance_normalized = 255 - distance_normalized
    
    # 将结果保留为 uint8 类型，并保持 mask 区域为 255
    result = distance_normalized.astype(np.uint8)
    result[mask > 0] = 255
    
    return result

# 测试代码
if __name__ == "__main__":
    # 创建一个简单的二值掩码
    height, width = 200, 200
    binary_mask = np.zeros((height, width), dtype=np.uint8)
    cv2.circle(binary_mask, (width // 2, height // 2), 50, 255, -1)

    # 计算距离变换
    result = visualize_distance_with_mask(binary_mask)

    # 可视化
    plt.figure(figsize=(12, 4))

    plt.subplot(1, 2, 1)
    plt.title("Original Mask")
    plt.imshow(binary_mask, cmap="gray")

    plt.subplot(1, 2, 2)
    plt.title("Distance Visualization")
    plt.imshow(result, cmap="gray")
    plt.colorbar(label="Distance")

    plt.tight_layout()
    plt.show()