分水岭算法进行图像分割：
分水岭分割方法，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。
例子：

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('basil.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
# noise removal
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)

# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)

# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers+1

# Now, mark the region of unknown with zero
markers[unknown==255] = 0
markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]

plt.imshow(img)
plt.show()

结果：

先导入模块加载图像，图像转化为灰度图片：

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('basil.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

设置一个阈值，将灰度图像分为两部分：黑色部分和白色部分：

ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

通过morphologyEx变化来去除噪声数据，是对图像进行膨胀之后再进行腐蚀操作提取图像特征：

kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)

得到大部分前景：
通过distanceTeansform来获取最有可能的前景区域，越是远离背景区域的边界越可能是前景，得到结果后用一个阈值来确定前景：

dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)

接下来确定前景和背景重叠部分：

sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)

设定“栅栏”来阻止谁汇聚，通过connected-Components函数完成：

ret, markers = cv2.connectedComponents(sure_fg)

在背景区域上加一，将unknown区域设为0：

markers = markers+1

markers[unknown==255] = 0

最后通过watershed函数：

markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]