基於拓撲理論的數學形態學的分割演算法，基本思想是把影象看作是地形地貌，影象中每一點的灰度值表示該點的海拔高度，每乙個區域性極小值及其影響區域成為集水盆，集水盆的邊界則形成分水嶺。
在每乙個區域性極小值表面，刺穿乙個小孔，然後慢慢把整個模型浸入水中，隨著浸入的加深，每乙個區域性極小值的影響區域慢慢向外擴充套件，在兩個集水盆匯合處構築大壩，即形成了分水嶺。
分水嶺計算是乙個迭代標註的過程。比較經典的計算方法是l.vincent提出的。
在該演算法中，分水嶺計算分為兩個步驟，乙個是排序過程，乙個是淹沒過程：
1. 首先對每個畫素的灰度級進行從低到高的排序，然後在從低到高實現淹沒過程中，對每乙個區域性極小值在h階高度的影像域採用先進先出（fifo）結構進行判斷及標註。
為了保留影象的邊緣資訊，通常把梯度影象作為輸入影象計算分水嶺：
g(x,y)=grad(f(x,y))=0.5
式中，f(x,y)表示原始影象，grad表示梯度運算。 分水嶺演算法對微弱邊緣具有良好的響應，影象中的雜訊、物體表面細微的灰度變化，都會產生過度分割的現象。但同時應當看出，分水嶺演算法對微弱邊緣具有良好的響應，是得到封閉連續邊緣的保證的。另外，分水嶺演算法所得到的封閉的集水盆，為分析影象的區域特徵提供了可能。
2. 為消除分水嶺演算法產生的過度分割，通常可以採用兩種處理方法，一是利用先驗知識去除無關邊緣資訊。二是修改梯度函式使得集水盆只響應想要探測的目標。 為降低分水嶺演算法產生的過度分割，通常要對梯度函式進行修改，乙個簡單的方法是對梯度影象進行閾值處理，以消除灰度的微小變化產生的過度分割。
即 g(x,y)=max(grad(f(x,y)),gθ) 式中，gθ表示閾值。
程式可採用方法：用閾值限制梯度影象以達到消除灰度值的微小變化產生的過度分割，獲得適量的區域，再對這些區域的邊緣點的灰度級進行從低到高排序，然後在從低到高實現淹沒的過程，梯度影象用sobel運算元計算獲得。對梯度影象進行閾值處理時，選取合適的閾值對最終分割的影象有很大影響，因此閾值的選取是影象分割效果好壞的乙個關鍵。缺點：實際影象中可能含有微弱的邊緣，灰度變化的數值差別不是特別明顯，選取閾值過大可能會消去這些微弱邊緣。
分水嶺分割
分水嶺分割利用影象形態學進行影象區域分割。它將影象灰度值看作一幅地形圖，在地形圖的區域性極小值處與地形最低點是連通的，從最低點開始注水，水流會逐漸淹沒地形較低點構成的區域，直到整個影象被淹沒。在這個過程中，通過相關形態學處理，可以實現一幅影象的分水嶺分割。以下gif影象給出了形象說明 影象來自 分水...
分水嶺分割演算法
如果影象中的目標物體是連在一起的，則分割起來會更困難，分水嶺演算法經常用於處理這類問題，通常會取得比較好的效果。分水嶺分割演算法把影象看成一副 地形圖 其中亮度比較強的地區畫素值較大，而比較暗的地區畫素比較小，通過尋找 匯水盆地 和 分水嶺界限 對影象進行分割。步驟 1.讀取影象 2.求取影象的邊界...
分水嶺分割演算法
建立不同目標間的分水嶺 漲水法 分水嶺計算步驟 1 設待分割圖象為f x,y 其梯度圖象為g x,y 2 用m1,m2,mr表示g x,y 中各區域性極小值的象素，位置，c mi 為與mi對應的區域中的象素座標集合 3 用n表示當前灰度閾值，t n 代表記為 u,v 的象素集合，g u,v 4 對m...