OpenCV學習(7) 分水嶺算法(1)

        分水嶺算法主要用於圖像分段，一般是把一副彩色圖像灰度化，而後再求梯度圖，最後在梯度圖的基礎上進行分水嶺算法，求得分段圖像的邊緣線。

        下面左邊的灰度圖，能夠描述爲右邊的地形圖，地形的高度是由灰度圖的灰度值決定，灰度爲0對應地形圖的地面，灰度值最大的像素對應地形圖的最高點。

咱們能夠本身編程實現灰度圖的地形圖顯示，工程FirstOpenCV6就實現了簡單的這個功能，好比上邊的灰度圖，顯示爲：

對灰度圖的地形學解釋，咱們咱們考慮三類點：

1. 局部最小值點，該點對應一個盆地的最低點，當咱們在盆地裏滴一滴水的時候，因爲重力做用，水最終會匯聚到該點。注意：可能存在一個最小值面，該平面內的都是最小值點。

2. 盆地的其它位置點，該位置滴的水滴會匯聚到局部最小點。

3. 盆地的邊緣點，是該盆地和其它盆地交接點，在該點滴一滴水，會等機率的流向任何一個盆地。

       假設咱們在盆地的最小值點，打一個洞，而後往盆地裏面注水，並阻止兩個盆地的水聚集，咱們會在兩個盆地的水聚集的時刻，在交接的邊緣線上(也即分水嶺線)，建一個壩，來阻止兩個盆地的水聚集成一片水域。這樣圖像就被分紅2個像素集，一個是注水盆地像素集，一個是分水嶺線像素集。

      下面的gif圖很好的演示了分水嶺算法的效果：

     

     在真實圖像中，因爲噪聲點或者其它干擾因素的存在，使用分水嶺算法經常存在過分分割的現象，這是由於不少很小的局部極值點的存在，好比下面的圖像，這樣的分割效果是毫無用處的。

      爲了解決過分分割的問題，可使用基於標記(mark)圖像的分水嶺算法，就是經過先驗知識，來指導分水嶺算法，以便得到更好的圖像分段效果。一般的mark圖像，都是在某個區域定義了一些灰度層級，在這個區域的洪水淹沒過程當中，水平面都是從定義的高度開始的，這樣能夠避免一些很小的噪聲極值區域的分割。

      下面的gif圖很好的演示了基於mark的分水嶺算法過程：

      上面的過分分段圖像，咱們經過指定mark區域，能夠獲得很好的分段效果：