分水岭算法原理及实现

1 原理

    参考资料[6]对分水岭算法进行了总体简介，而参考资料[1]P497则对其进行了详细的说明。

1.1 输入输出

    参考资料[6]指出，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。显然，分水岭表示的是输入图像极大值点。因此，为得到图像的边缘信息，通常把梯度图像作为输入图像。

1.2 缺陷及修改

    参考资料[6]指出，分水岭算法对微弱边缘具有良好的响应，图像中的噪声、物体表面细微的灰度变化，都会产生过度分割的现象。为消除分水岭算法产生的过度分割，通常可以采用两种处理方法：一）是利用先验知识去除无关边缘信息；二）是修改梯度函数使得集水盆只响应想要探测的目标。

2 实现

    见参考资料[2]。

参考资料

[1]Rafael C. Gonzalez, Richard E. Woods. 数字图像处理(第三版)，电子工业出版社， 2013年10月第6次印刷

[2]分水岭算法Matlab实现——三种方法

[3]opencv分水岭算法cvWatershed

[4]OpenCV实现分水岭算法

[5]分水岭分割算法的实现与分析

[6]分水岭算法_百度百科