OpenCV之分水岭算法

分水岭算法

在许多实际的应用中，我们需要分割图像，但是无法从背景图像中获得有用信息。但是分水岭算法在这方面往往非常有效，它可以将图像中的边缘转化为“山脉”，将均匀区域转化为“山谷”，这样有助于分割目标。

分水岭算法是一种记忆拓扑理论的数学形态学的分割方法，其基本思想是把图像看作测地学上的拓扑地貌，图像中每点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。

分水岭的计算过程是一个迭代标注过程。分水岭比较经典的计算方法主要分两个步骤：一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高的排序，然后在从低到高实现淹没的过程中，对每个局部极小值在h阶高度的影响域采用先进先出（FIFO）结构进行判断及标注。分水岭变化得到的是输入图像的集水盆图像，集水盆之间的边界点，即分水岭。显然，分水岭表示的是输入图像的极大值点。

也就是说，分水岭算法首先计算灰度图像的梯度；这对图像中的“山谷”或没有纹理的“盆地”（亮度值低的点）的形成是很有效的，也对“山头”或图像中有主导线段的“山脉”的形成有效。然后开始从用户指定的点（或者算法得到的点）开始持续“灌注”盆地直到这些区域连成一片。基于这样产生的标记可以把区域合并到一起，合并后的区域通过聚集的方式进行分割。

实现分水岭算法：wartshed()函数

函数watershed实现的分水岭算法是基于标记的分割算法的一种。在把图像传给函数之前，我们需要大致的勾画出图像中期望分割的区域，它们被标记为正指数。所以，每一个