????

從意思上就知道通過用水來進行分類，學術上說什么基于拓撲結構的形態(tài)學。。。其實就是根據(jù)把圖像比作一副地貌，然后通過最低點和最高點去分類！

原始的分水嶺：

就是上面說的方式，接下來用一幅圖進行解釋---->>>

把圖像用一維坐標表示，二維和三維不好畫，必須用matlab了，我不會用，意思可以表述到位

• 第一步：找到圖像的局部最低點，這個方法很多了，可以用一個內(nèi)核去找，也可以一個一個比較，實現(xiàn)起來不難。

• 第二步：從最低點開始注水，水開始網(wǎng)上滿（圖像的說法就是梯度法），其中那些最低點已經(jīng)被標記，不會被淹沒，那些中間點是被淹沒的。

• 第三步：找到局部最高點，就是圖中3位置對應的兩個點。

• 第四步：這樣基于局部最小值，和找到的局部最大值，就可以分割圖像了。

 分類圖

模擬結果圖

是不是感覺上面的方法很好，也很簡單？接著看下面的圖：

利用上面的步驟，第一步找到了三個點，然后第二步開始漫水，這三個點都被記錄下來了，又找到兩個局部最大值。

這是我們想要的嗎？

 回答是否定的！其中中間那個最小值我們不需要，因為只是一個很少并且很小的噪點而已，我們不需要圖像分割的那么細致。

缺陷顯露出來了吧？沒關系，下面我們的opencv把這個問題解決了。

模擬分類圖 

模擬結果圖

 opencv改進的分水嶺算法：

針對上面出現(xiàn)的問題，我們想到的是能不能給這種小細節(jié)一個標記，讓它不屬于我們找的最小的點呢？

opencv對其改進就是使用了人工標記的方法，我們標記一些點，基于這些點去引導分水嶺算法的進行，效果很好！　

比如我們對上面的圖像標記了兩個三角形，第一步我們找到三個局部最小點，第二步淹沒的時候三個點都被淹沒了，然而中間那個沒被標記，那就淹死了（沒有救生圈），其余兩個點保留，這樣就可以達到我們的想要的結果了。

注釋：這里的標記是用不同的標號進行的，我為了方便使用了同樣的三角形了。因為標記用來分類，所以不同的標記打上不同的標號！這在下面opencv程序中體現(xiàn)了。。。

 模擬分類圖

模擬結果圖

注釋：具體的實現(xiàn)沒有完成，感覺原理懂了會使用了這樣就可以了，當你需要深入的時候再去研究實現(xiàn)的算法，當你淺淺的使用懂了原理應該會改一點，面試過了完全可以啊！哈哈哈~~

opencv實現(xiàn)：

#include

#include

using namespace cv;

using namespace std;

void waterSegment(InputArray& _src, OutputArray& _dst, int& noOfSegment);

int main(int argc, char** argv) {

    

    Mat inputImage = imread('coins.jpg');

    assert(!inputImage.data);

    Mat graImage, outputImage;

    int offSegment;

    waterSegment(inputImage, outputImage, offSegment);

    waitKey(0);

    return 0;

}

void waterSegment(InputArray& _src,OutputArray& _dst,int& noOfSegment)

{

    Mat src = _src.getMat();//dst = _dst.getMat();

    Mat grayImage;

    cvtColor(src, grayImage,CV_BGR2GRAY);

    threshold(grayImage, grayImage, 0, 255, THRESH_BINARY | THRESH_OTSU);

    Mat kernel = getStructuringElement(MORPH_RECT, Size(9, 9), Point(-1, -1));

    morphologyEx(grayImage, grayImage, MORPH_CLOSE, kernel);

    distanceTransform(grayImage, grayImage, DIST_L2, DIST_MASK_3, 5);

    normalize(grayImage, grayImage,0,1, NORM_MINMAX);

    grayImage.convertTo(grayImage, CV_8UC1);

    threshold(grayImage, grayImage,0,255, THRESH_BINARY | THRESH_OTSU);

    morphologyEx(grayImage, grayImage, MORPH_CLOSE, kernel);

    vector<>> contours;

    vector hierarchy;

    Mat showImage = Mat::zeros(grayImage.size(), CV_32SC1);

    findContours(grayImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(-1, -1));

    for (size_t i = 0; i < contours.size();="">

    {

        //這里static_cast(i+1)是為了分水嶺的標記不同，區(qū)域1、2、3。。。。這樣才能分割

        drawContours(showImage, contours, static_cast(i), Scalar::all(static_cast(i+1)), 2);

    }

    Mat k = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));

    morphologyEx(src, src, MORPH_ERODE, k);

    watershed(src, showImage);

    //隨機分配顏色

    vector colors;

    for (size_t i = 0; i < contours.size();="" i++)="">

        int r = theRNG().uniform(0, 255);

        int g = theRNG().uniform(0, 255);

        int b = theRNG().uniform(0, 255);

        colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));

    }

    // 顯示

    Mat dst = Mat::zeros(showImage.size(), CV_8UC3);

    int index = 0;

    for (int row = 0; row < showimage.rows;="" row++)="">

        for (int col = 0; col < showimage.cols;="" col++)="">

            index = showImage.at(row, col);

            if (index > 0 && index <= contours.size())="">

                dst.at(row, col) = colors[index - 1];

            }

            else if (index == -1)

            {

                dst.at(row, col) = Vec3b(255, 255, 255);

            }

            else {

                dst.at(row, col) = Vec3b(0, 0, 0);

            }

        }

    }

}