OpenCV2 使用分水岭算法对图像分割的个人理解 cv::watershed()

本文是基于《opecv2 计算机视觉编程手册》中的案例对分水岭算法进行解读。

先介绍一下分水岭分割方法。它是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。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，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

一般的分水岭算法会对微弱边缘，图像中的噪声，物体表面细微的灰度变化造成过度的分割。opencv中的分水岭算法对此进行了改进，它使用预定义的一组标记来引导对图像的分割。理解这一节，关键是理解这个标记。书上这一节的内容对这个标记讲得很模糊，网上也搜了很多cv::watershed()，大部分内容是opencv1.0案例使用鼠标响应事件的，有个别是opencv2.0的案例，但都只是复制代码，并未做一些解读。这里我谈谈自己的一些看法，希望对大家有所帮助，如有理解不正确的地方还请高手多多指教。
watershedSegmenter.h

#if !defined WATERSHS
#define WATERSHS

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>

class WatershedSegmenter {
   

  private:
      //用来表示标记（图）
      cv::Mat markers;

  public:
       //设置标记图
      void setMarkers(const cv::Mat& markerImage) {

        //watershed()的输入参数必须为一个32位有符号的标记，所以要先进行转换 
        markerImage.convertTo(markers,CV_32S);
      }
      //执行watershed（）
      cv::Mat process(const cv::Mat &image) {

        // Apply watershed
        cv::watershed(image,markers);

        return markers;
      }

      // 以图像