算法学习笔记

机器视觉算法

图像分割

图像分割是机器视觉后续处理的基础，通过分割提取图像中的目标区域，方便后续进一步分析处理。

分水岭分割算法

分水岭分割算法
传统的分水岭算法，是基于数学形态学的分割方法。其基本思想是，将2D图像视为3D地形（其中，像素的坐标=地形的位置，像素的灰度=地形的高度），每一个局部极小值及其周围区域称为集水盆地，而集水盆地的边界则称之为分水岭。

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，每个局部极小值的影响域慢慢向外扩散，在两大集水盆处合并，这个合并点就是分水岭。

由此可知，分水岭算法分割的关键是确定分水岭，从而将图像用一组各自封闭的曲线分割成不同的区域。

在具体操作过程中，考虑到图像各区域内部像素灰度值较为接近，而相邻区域像素间的灰度差距较大。因此，可以通过图像灰度值梯度的方式，寻找灰度梯度图的分水岭，从而实现图像分割的目的。

在梯度图中：
小梯度——区域内部
大梯度——区域边界

传统分水岭算法，即为在梯度图的基础上，寻找大梯度像素所在位置，即分水岭。