2019-8-23 opencv图像处理15-分水岭算法分割图像（Image Segmentation with Watershed Algorithm ）

官网参见 https://docs.opencv.org/3.4.1/d3/db4/tutorial_py_watershed.html
以前自己也了解过了，https://blog.csdn.net/weixin_42555985/article/details/93713477

这里为了确保资料完成性，就按照官网内容再了解一下。

任何一个灰度图都可以看成一个地形表面，灰度值高的部分代表为山峰，灰度值低的部分代表为山谷。你向每个山谷灌入不同颜色的水（标签）。随着水位的升高，显然来自不同山谷不同颜色的水将开始融合。为了避免这个问题，你可以在水融合的地方建立水坝。你不停的灌水，不停的加高水坝，直到所有山峰都淹没在水下。

此时，整个地形被水坝分割成一个一个部分。这就是分水岭算法背后的原理。

但是，由于图像中的噪音或者其他不规则因素，这种方法会得到过度分割结果。opencv提供了基于标记的分水岭算法（marker-based watershed algorithm），你可以指定哪些山谷的水要汇合，哪些不要。这是一种交互式图像分割。我们所要做得就是给我们所知得对象上设置不同标签。

给我们所知的前景或者对象设置一种颜色标签（或者灰度值），给我们所知的背景或者对象设置另外一种颜色标签（或者灰度值），剩余不能确定部分设置标签为0。这些标签就是我们的标记（marker），然后把它们应用于分水岭算法，标记会由我们设置的标签更新。对象的边界值为-1。

下面例子中，我们将用距离变换和分水岭算法对紧密连接在一起对象进行分割。