Watershed Algorithm

Este bloque de función realiza una segmentación basada en regiones usando máscaras de primer plano y fondo proporcionadas para separar objetos que se tocan o se solapan. Devuelve una superposición visual con los límites y una imagen segmentada etiquetada para procesamiento posterior.

📥 Entradas

Image Any La imagen original en color o en escala de grises que se va a segmentar.

Fore Ground Una imagen binaria/o en escala de grises que indica las regiones de primer plano seguras (los objetos).

Back Ground Una imagen binaria/o en escala de grises que indica las regiones de fondo seguras.

📤 Salidas

Image Any La imagen original con los límites de las regiones detectadas superpuestos (resultado visual).

Shed Image Una imagen etiquetada (escala de grises) que representa las regiones segmentadas / marcadores.

🕹️ Controles

Este bloque no tiene widgets ajustables. Proporcione entradas precisas en Fore Ground y Back Ground para controlar el resultado de la segmentación.

⚙️ Mecanismo de ejecución

• El bloque usa las máscaras Fore Ground y Back Ground proporcionadas para determinar qué píxeles son con certeza objeto y cuáles son con certeza fondo.

• Identifica la región desconocida entre estas máscaras y asigna marcadores intermedios.

• Se realiza una pasada de segmentación que separa las regiones, dibuja los límites detectados sobre una copia de la imagen de entrada y produce la Shed Image etiquetada donde cada región segmentada tiene un valor de marcador distinto.

• La imagen superpuesta resalta los límites para una inspección visual rápida, mientras que la imagen etiquetada es adecuada para mediciones o conteos.

🎯 Características

• Funciona bien para separar objetos que se tocan cuando se proporcionan máscaras claras de primer plano/fondo.

• Produce tanto una superposición visual para inspección como una salida etiquetada útil para procesamiento posterior (mediciones, conteo, extracción).

• Acepta imágenes de entrada en color o escala de grises.

📝 Instrucciones de uso

1. Prepare una máscara Fore Ground clara que cubra el interior de los objetos y una máscara complementaria Back Ground para el fondo.

2. Conecte la imagen original a Image Any y las dos máscaras a sus entradas correspondientes.

3. Ejecute el bloque para obtener la superposición segmentada y la Shed Image etiquetada.

4. Use la imagen etiquetada para tareas posteriores como contar objetos o extraer regiones individuales.

💡 Consejos y trucos

• Use Image Threshold, Image Adaptive Threshold o HSV Filter para crear máscaras binarias iniciales a partir de la imagen de entrada.

• Limpie pequeños huecos y ruido en las máscaras con Morphological Transformations o Denoising antes de alimentar este bloque.

• Para fondos difíciles, pruebe Grab Cut Algorithm o Background Subtractor para generar mejores candidatos de primer plano/fondo.

• Restringa el procesamiento a una región de interés con Image ROI o Image ROI Select para acelerar la segmentación y evitar áreas irrelevantes.

• Previsualice máscaras y resultados con Show Image y guarde fotogramas útiles usando Image Logger o Image Write.

• Tras la segmentación, utilice Find Contour, Minimum Rectangle o Measure Object Distance para extraer propiedades y mediciones de regiones a partir de la Shed Image.

🛠️ Solución de problemas

• Segmentación pobre o objetos fusionados: verifique que Fore Ground cubra solo los interiores de los objetos y que Back Ground cubra solo el fondo; añada apertura/cierre morfológico para refinar las máscaras.

• No se ven límites: compruebe que las imágenes y las máscaras de entrada sean tipos de imagen válidos (no vacíos) y que las máscaras sean binarias o claramente contrastadas.

• Sobresegmentación (muchas regiones pequeñas): suavice o simplifique las máscaras usando Blur, Denoising o Morphological Transformations antes de segmentar.

• Subsegmentación (objetos no separados): aumente la precisión de los marcadores de primer plano (use marcadores de objeto más fuertes o selección ROI manual) para ayudar a separar objetos que se tocan.