开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 32 天，点击查看活动详情
简介
分水岭算法是一种图像区域分割法，分割的过程中将图片转化为灰度图，然后将灰度值看作是海拔，然后向较低点注水，这种基于地形学的解释，我们着重考虑三种点：
1）极小值点，该点对应一个盆地的最低点，当我们在盆地里滴一滴水的时候，由于重力作用，水最终会汇聚到该点。注意：可能存在一个最小值面，该平面内的都是极小值点。
2）盆地的其它位置点，该位置滴的水滴会汇聚到局部最小点。
3）盆地的边缘点，是该盆地和其它盆地交接点，在该点滴一滴水，会等概率的流向任何一个盆地。
明白上述三种点之后，我们开始往盆地的极小值点注水，然后随着注水的深入，每一个极小值点慢慢的向外扩展，然后知道两个盆地的水汇合，汇合处就是我们需要的分水岭。
从下图可以直观理解一下，首先这三块区域都含有极小值点
然后逐渐填充就能获得分水岭（即分界线）
得到分界线就能完成图像分割
代码实现
clear, close all;clc;%1.读取图像并求取图像的边界。 rgb = imread('1.png');%读取原图像I = rgb2gray(rgb);%转化为灰度图像figure; subplot(121)%显示灰度图像imshow(I)text(732,501,'Image courtesy of Corel','FontSize',7,'HorizontalAlignment','right')hy = fspecial('sobel');%sobel算子,应用sobel算子锐化图像hx = hy';Iy = imfilter(double(I), hy, 'replicate');%滤波求y方向边缘Ix = imfilter(double(I), hx, 'replicate');%滤波求x方向边缘gradmag = sqrt(Ix.^2 + Iy.^2);%求摸subplot(122); imshow(gradmag,[]), %显示梯度title('Gradient magnitude (gradmag)') %2. 直接使用梯度模值进行分水岭算法：（往往会存在过的分割的情况，效果不好） L = watershed(gradmag);%直接应用分水岭算法Lrgb = label2rgb(L);%转化为彩色图像figure; imshow(Lrgb), %显示分割后的图像title('Watershed transform of gradient magnitude (Lrgb)')%过分割现象 %3.分别对前景和背景进行标记：本例中使用形态学重建技术对前景对象进行标记，首先使用开操作，开操作之后可以去掉一些很小的目标。%开和闭这两种运算可以除去比结构元素小的特定图像细节，同时保证不产生全局几何失真。%开运算可以把比结构元素小的突刺滤掉，切断细长搭接而起到分离作用；%闭运算可以把比结构元素小的缺口或孔填充上，搭接短的间断而起到连接作用。se = strel('disk', 20);%圆形结构元素,STREL('disk',R,N),R is the specified radius, When N is greater than 0, the disk-shaped structuring %element is approximated by a sequence of NIo = imopen(I, se);%形态学开操作figure; subplot(121)imshow(Io), %显示执行开操作后的图像title('Opening (Io)')Ie = imerode(I, se);%对图像进行腐蚀，基本参数：待处理的输入图像以及结构元素对象Iobr = imreconstruct(Ie, I);%形态学重建subplot(122); imshow(Iobr), %显示重建后的图像title('Opening-by-reconstruction (Iobr)')Ioc = imclose(Io, se);%形态学关操作，首先膨胀,然后腐蚀,两个操作使用同样的结构元素figure; subplot(121)imshow(Ioc), %显示关操作后的图像title('Opening-closing (Ioc)')Iobrd = imdilate(Iobr, se);%对图像进行膨胀，基本参数：待处理的输入图像和结构元素对象。Iobrcbr = imreconstruct(imcomplement(Iobrd), ... imcomplement(Iobr));%形态学重建Iobrcbr = imcomplement(Iobrcbr);%图像求反subplot(122); imshow(Iobrcbr), %显示重建求反后的图像,figure4title('Opening-closing by reconstruction (Iobrcbr)')%As you can see by comparing Iobrcbr with Ioc, %reconstruction-based opening and closing are more %effective than standard opening and closing at removing %small blemishes without affecting the overall %shapes of the objects. Calculate the regional maxima %of Iobrcbr to obtain good foreground markers. fgm = imregionalmax(Iobrcbr);%局部极大值figure; imshow(fgm), %显示重建后局部极大值图像,figure5title('Regional maxima of opening-closing by reconstruction (fgm)')I2 = I; %前景标记图与原图叠加I2(fgm) = 255;%局部极大值处像素值设为255figure; imshow(I2), %在原图上显示极大值区域,figure6title('Regional maxima superimposed on original image (I2)')se2 = strel(ones(5,5));%结构元素fgm2 = imclose(fgm, se2);%关操作fgm3 = imerode(fgm2, se2);%腐蚀fgm4 = bwareaopen(fgm3, 20);%开操作I3 = I;I3(fgm4) = 255;%前景处设置为255figure; subplot(121)imshow(I3)%显示修改后的极大值区域,figure7title('Modified regional maxima')bw = im2bw(Iobrcbr, graythresh(Iobrcbr));%转化为二值图像subplot(122); imshow(bw), %显示二值图像,figure7title('Thresholded opening-closing by reconstruction') %4. 进行分水岭变换并显示：
DL = watershed(Iobrcbr);%分水岭变换figureimshow(DL)title('分水岭')labels = imdilate(DL==0,ones(3,3));I4 = labeloverlay(I,labels);figureimshow(I4)title('分水岭边界线')
%% % 将标签矩阵显示为彩色图像。标签矩阵Lrgb = label2rgb(DL,'jet','w','shuffle');figureimshow(Lrgb)title('分水岭Label')%%figureimshow(I)hold onhimage = imshow(Lrgb);himage.AlphaData = 0.2; % 使用透明方式将此伪颜色标签矩阵叠加到原始强度图像上title('彩色Label')
