《opencv学习笔记》-- 分水岭算法

分水岭算法，是一种基于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是测地学上的拓扑地貌，图像中每一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。分水岭的概念和形成可以通过模拟浸入过程来说明：在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算过程是一个迭代标注过程。

分水岭计算分两个步骤：

        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，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO）结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像,集水盆之间的边界点，即为分水岭。分水岭表示的是输入图像的极大值点。

实现分水岭算法: watershed()函数    基于标记的分割算法

void watershed(InputArray image, InputoutputArray markers)

参数1，InputArray类型的src，输入图像，填Mat类的对象，且需为8位三通道的彩色图像。

参数2，markers，运算结果，输入 / 输出 32位单通道图像的标记结果。

             需和源图片有一样的尺寸和类型。