分水岭分割算法理解

图像分割的基本算法有很多分类，根据分割考虑的因素可以简单分为：

1）基于单个像素的单个特征分割

2）基于多像素的多特征分割

方法1非常简单，我们熟知的Otsu阈值分割就是基于单像素的灰度值进行分割（当然在获取分割阈值的时候还是考虑了整体的分布）

方法2包含的就比较多，例如区域增长分割，其考虑的因素至少是两个：一是相邻像素；二是相邻像素的一致性关系，把符合一致性的相邻像素加入分割区域，重复操作直到分割区域里面像素的边界相邻像素不满足该条件为止。

分水岭分割其实也是一种区域增长分割方法，其区域增长的种子像素根据图像梯度值进行选择（选择那些梯度极小值点作为集水盆地），然后往里面关门“放水”，不同集水盆地放入同样高的水，当这些集水盆地的水一样高时筑起边界，称为分水岭线，用于防止集水盆地互相融合，这些分水岭线就是分割的边界。当然分水岭分割容易引起过分割，需要通过一些方法对这些集水盆地进行融合，最后剩下具有语义信息的几个集水盆地和分水岭线，作为最后分割的结果。所以在分水岭分割算法当中，像素梯度大小作为一个很重要的因素参与了分割的决策，是分割主要依赖的特征。