OpenCV学习(7) 分水岭算法(1)

        分水岭算法主要用于图像分段，一般是把一副彩色图像灰度化，而后再求梯度图，最后在梯度图的基础上进行分水岭算法，求得分段图像的边缘线。

        下面左边的灰度图，能够描述为右边的地形图，地形的高度是由灰度图的灰度值决定，灰度为0对应地形图的地面，灰度值最大的像素对应地形图的最高点。

咱们能够本身编程实现灰度图的地形图显示，工程FirstOpenCV6就实现了简单的这个功能，好比上边的灰度图，显示为：

对灰度图的地形学解释，咱们咱们考虑三类点：

1. 局部最小值点，该点对应一个盆地的最低点，当咱们在盆地里滴一滴水的时候，因为重力做用，水最终会汇聚到该点。注意：可能存在一个最小值面，该平面内的都是最小值点。

2. 盆地的其它位置点，该位置滴的水滴会汇聚到局部最小点。

3. 盆地的边缘点，是该盆地和其它盆地交接点，在该点滴一滴水，会等几率的流向任何一个盆地。

       假设咱们在盆地的最小值点，打一个洞，而后往盆地里面注水，并阻止两个盆地的水聚集，咱们会在两个盆地的水聚集的时刻，在交接的边缘线上(也即分水岭线)，建一个坝，来阻止两个盆地的水聚集成一片水域。这样图像就被分红2个像素集，一个是注水盆地像素集，一个是分水岭线像素集。

      下面的gif图很好的演示了分水岭算法的效果：

     

     在真实图像中，因为噪声点或者其它干扰因素的存在，使用分水岭算法经常存在过分分割的现象，这是由于不少很小的局部极值点的存在，好比下面的图像，这样的分割效果是毫无用处的。

      为了解决过分分割的问题，可使用基于标记(mark)图像的分水岭算法，就是经过先验知识，来指导分水岭算法，以便得到更好的图像分段效果。一般的mark图像，都是在某个区域定义了一些灰度层级，在这个区域的洪水淹没过程当中，水平面都是从定义的高度开始的，这样能够避免一些很小的噪声极值区域的分割。

      下面的gif图很好的演示了基于mark的分水岭算法过程：

      上面的过分分段图像，咱们经过指定mark区域，能够获得很好的分段效果：