【分水岭算法实现过程】

在做项目中用到了有种子像素的图像分割问题，找到了古老的分水岭算法，看了很多博客，都是直接调用了opencv的函数，对原算法的原理实现与原理解释的很不到位。因此，研究了opencv中分水岭函数的实现原理，参考了阿里云开发者麦克老狼的博客。

原始图像和Mark图像，它们的大小都是32*32，分水岭算法的结果是得到两个连通域的轮廓图。

  

 

初始的mark图像数据如下，黄色的部分为我们的第一个mark区域，值为255，用来标记背景区域，第二个区域为褐红色的区域，值为128，第三个绿色的区域，值为64。

 opencv分水岭算法描述如下：

初始化mark矩阵，生成最初的注水区域。

1.设置mark图像的边框值为-1（标记背景区域）

2. 标记每个mark区域的边界为-2（初始填充点）

3. 对于mark图像一个像素值，如果它本身值为0，但上下左右四邻域有一个像素值不为0，则把该点按照（最小邻域灰度差值）放入相应的队列。

      举例说明：如下图像素点，它的mark值为0，但左和上像素值不为0，此时，我们求原始图像中对应像素的灰度差值，计算方式如下面公式，其中I原图像的灰度值，彩色图像为三个颜色值，OpenCV中使用三个通道差分的最大值，下标L表示左，R表示右，T表示上，B表示下，abs表示取绝对值：

min(abs(I-IL）,abs(I-IT)，abs(I-RR),abs(I-IB)）

 上图中指定的像素，它的高度值显然为0，所以我们把(2，2)点放入高度为0的队列中(总共有256个队列，对应0-255的高度)

    初始化阶段完成后，我们得到下面的mark图，并把-2对应的边界像素点，按照其对应的灰度差值放入相应的队列。

  之后就进入了递归注水过程，递归过程描述如下：

for(; ; )

{

    1、从0到255扫描灰度差值队列，找到一个像素，则弹出该标记，并退出扫描。从低处填充，邻域像素的高度用与已标记点的灰度差表示，故优先填充所有种子点差值最小的像素。

    2、如果该像素的四邻域中存在两个不同的非0值，表示该点为两个注水盆地的边缘，即分水岭线，在mark图像中标记该点为-1。（两个区域的交汇处，标记为区域之间的分界线）

3、扫描该点的四邻域，是否存在为0的mark域，存在的话这把该邻域点按照与该点的灰度差值，放入相应的队列。

4、直到队列中无像素，退出。

}

经过上述的递归过程，最后我们得到的mark图像如下所示，其中绿色格子的-1即为所有的分水岭边界： 

上述递归过程总是从最小的灰度差0到最大255扫描的，因此总能够保证与已标记像素灰度差最小的邻域像素参与标记。 

参考：

OpenCV学习(9) 分水岭算法(3)-阿里云开发者社区 (aliyun.com)