本教程我学习一下opencv中分水岭算法的具体实现方式。

原始图像和Mark图像，它们的大小都是32*32，分水岭算法的结果是得到两个连通域的轮廓图。

原始图像：(原始图像必须是3通道图像)

Mark图像：

结果图像：

      初始的mark图像数据如下，黄色的部分为我们的第一个mark区域，值为255，第二个区域为褐红色的区域，值为128，第三个绿色的区域，值为64。

 

opencv分水岭算法描述如下：

初始化mark矩阵，生成最初的注水区域。

1.设置mark图像的边框值为-1

2. 标记每个mark区域的边界为-2

3. 对于mark图像一个像素值，如果它本身值为0，但上下左右四邻域有一个像素值不为0，则把该点按照RGB高度值放入相应的队列。

      举例说明：如下图像素点，它的mark值为0，但左和上像素值不为0，此时，我们求原始图像中对应像素的高度值，高度值的计算方式如下面公式，其中R表示Red通道值，G表示Green通道值，B表示Blue通道值，下标L表示左，R表示右，T表示上，B表示下，abs表示取绝对值，min和max分别为最小值和最大值函数：

min(max(abs(R-R_L), abs(G-G_L), abs(B-B_L))，max(abs(R-R_T), abs(G-G_T), abs(B-B_T))，max(abs(R-R_R), abs(G-G_R), abs(B-B_R))，max(abs(R-R_B), abs(G-G_B), abs(B-B_B))）

上图中指定的像素，它的高度值显然为0，所以我们把(2，2)点放入高度为0的队列中(总共有256个队列，对应0-255的高度)

 

   初始化阶段完成后，我们得到下面的mark图，并把-2对应的边界像素点，按照其对应的RGB高度值放入相应的队列。

之后就进入了递归注水过程，递归过程描述如下：

for(; ; )

{

    扫描0-255高度值队列，如果找到一个像素标记，则弹出该标记，并退出扫描。

    如果该像素的四邻域中存在两个不同的非0值，表示该点为两个注水盆地的边缘，即分水岭线，在mark图像中标记该点为-1。

    扫描该点的四邻域，是否存在为0的mark域，存在的话这把该邻域点按照rgb高度值，放入相应的队列。

}

经过上述的递归过程，最后我们得到的mark图像如下所示，其中绿色格子的-1即为所有的分水岭边界：

代码参见工程：FirstOpenCV10

      我们也可以把输入图像换成灰度图，这样求高度值时，就比较简单，void WatershedGray(cv::Mat &src, cv::Mat &dst);该函数演示灰度图的分水岭算法。