分水嶺演算法（Watershed algorithm）與OpenCV實現
前言
分水嶺演算法主要用於影象的分割！
這個演算法需要輸入一個灰度圖，在接下來的洪水漫堤過程中，相鄰的積水盆地之間的分水嶺便慢慢構建起來。一般情況下，這會引起過分割，尤其是具有噪聲的影象。
影象必須要預處理，以消除噪聲；分割結果必須要基於一些根據進行區域合併，以減小過分割造成的影響！
技術
假設我們要將下面這幅影象進行分割，需要幾步？分三步，第一步，冰箱門開啟，第二步。。。打住，- -| 進入正題，我們要用OpenCV來實現，不就一步麼？呼叫那個watershed函式不就行了？實際上，可沒那麼簡單！且聽我細細道來 ~-~！
OpenCV實現了一個基於標記圖層的分水嶺演算法，所謂基於標記圖層，就是不用手動選擇種子點了，直接輸入一個包含標記點（種子點）的影象即可。函式原型如下：
C++: void watershed(InputArray image, InputOutputArray markers)其中，image代表輸入影象（必須是8-bit3通道影象，也就是說是灰度影象），這也就是說，要對一個彩色影象進行分割，就要先將image轉換為灰度圖，幸運的是這可以通過cvtColor()（原型為C++: void cvtColor( InputArray src,OutputArray dst, int code, int dstCn=0 )，code代表轉換型別，具體的所有程式碼在這裡可以找到）做到；markers是輸入的標記圖層（包含標記點的圖層，這些標記點就是進行洪水的入口，一般是區域極小值點）。
這就是說要利用分水嶺演算法對一幅影象進行分割，必須提供其對應的標記圖層。那麼問題來了？挖掘機技術哪家強？。。。額，串詞了 - -| 那麼markers圖層從哪裡來呢？不用怕，需要的markers圖層可以通過findContours（）函式勾勒出來，findContours（）函式的原型如下：
C++: void findContours( InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point()) C++: void findContours( InputOutputArray image, OutputArrayOfArrays contours, int mode, int method, Point offset=Point())
其中，image引數輸入的影象必須是8-bit單通道的影象。可以使用compare() , inRange(), threshold() , adaptiveThreshold() , Canny() 從彩色或者灰度圖轉換成二值圖。
這裡我們使用adaptiveThreshold()方法轉化一個灰度圖到二值圖，以使用findContours（）方法。adaptiveThreshold()的原型是：
C++: void adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)src是8-bit 單通道的影象；dst和src是同一型別的影象；maxValue是條件滿足時的賦值；adaptiveMethod是確定合適的閾值的演算法，有兩個選項：ADAPTIVE_THRESH_MEAN_C 或者ADAPTIVE_THRESH_GAUSSIAN_C，分別對應於均值和高斯演算法；thresholdType是指閾值分割型別，必須是THRESH_BINARY或者THRESH_BINARY_INV，如果是THRESH_BINARY，那麼大於閾值的將會賦值為maxValue（一般為255），否則就賦值為0，THRESH_BINARY_INV是相反的規則！
利用以上思路轉換為二值圖後的結果如下：
findContours結果如下：
OK，將markers檔案傳入watershed函式的引數，最終結果如下：
程式碼我給附上：
/**
* 定義一個使用分水嶺演算法的輔助類
*/
class WatershedSegmenter{
private:
cv::Mat markers;
public:
void setMarkers(cv::Mat& markerImage)
{
markerImage.convertTo(markers, CV_32S);
}
cv::Mat process(cv::Mat &image)
{
cv::watershed(image, markers);
markers.convertTo(markers,CV_8U);
return markers;
}
};/**
* 接受一個影象引數，顯示出分水嶺演算法分割的結果
*/
void watershedSegment (Mat img){
Mat gray(img.rows, img.cols,CV_8UC1);
cvtColor(img, gray, CV_BGR2GRAY); //轉換為8-bit，3通道的灰度圖
Mat binary = Mat::zeros(gray.rows, gray.cols, CV_8UC1);
adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, 5, 10); //將灰度圖轉換為二值圖
Mat markers = Mat::zeros(gray.rows, gray.cols, CV_8UC1);
//使用findContour()函式找出影象的輪廓
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
findContours(binary, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);
//將contours結果放入到markers中，便於訪問
int idx = 0;
for( ; idx >= 0; idx = hierarchy[idx][0]){
Scalar color(rand()&255, rand()&255, rand()&255);
drawContours(markers, contours, idx, color, CV_FILLED, 8, hierarchy);
}
//呼叫分水嶺演算法分割影象
WatershedSegmenter segmenter;
segmenter.setMarkers(markers);
cv::Mat result = segmenter.process(img);
//顯示分割結果
namedWindow("segmentation_result", 0);
imshow("segmentation_result", result);
}總結
Watershed是一個很好的演算法，效率也很高。在影象分割中，應用的比較廣泛，據說很多商業軟體都有實現！
但是其缺點也很明顯——過分割現象。怎麼辦呢？可以有兩種思路，從源頭或者過後收拾殘局：從源頭？就是在分割過程中控制分割行為，這個好複雜的說！要修改演算法，以兄弟我現在的水平，可是力不從心，哈哈；那麼我們可以採取第二種思路，將過分割的地物物件進行合併分類，聽起來好像很有道理的樣子哦，我們下次討論一下哈。