分水嶺的計算過程是乙個迭代標註過程。分水嶺比較經典的計算方法是l. vincent提出的。在該演算法中，分水嶺計算分兩個步驟，乙個是排序過程，乙個是淹沒過程。首先對每個畫素的灰度級進行從低到高排序，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階高度的影響域採用
先進先出
(fifo)結構進行判斷及標註。
分水嶺變換得到的是輸入影象的集水盆影象，集水盆之間的邊界點，即為分水嶺。顯然，分水嶺表示的是輸入影象極大值點。因此，為得到影象的邊緣資訊，通常把梯度影象作為輸入影象，即
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。
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。
OpenCV的分水嶺演算法
本文使用python實現 import cv2 as cv import numpy as np def watershed demo src print src.shape blurred cv.pyrmeanshiftfiltering src,10,100 去雜訊 gray cv.cvtcol...
專案經理的分水嶺
一流的專案經理掌控客戶，二流的專案經理掌控專案團隊，三流的專案經理掌控分包商，不入流的專案經理被分包商掌控。在專案施工體系中，處於下游是不利的，能否反其道進攻 化劣勢為優勢甚至掌控局面，是專案經理能力的分水嶺。不入流的專案經理常常把甲方做成乙方，把專案施工體系中佔據的優勢喪失殆盡，甚至處於劣勢地位。...
分水嶺演算法的概念及原理
分水嶺分割方法，是一種基於拓撲理論的數學形態學的分割方法，其基本思想是把影象看作是測地學上的拓撲地貌，影象中每一點畫素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稱為集水盆，而集水盆的邊界則形成分水嶺。分水嶺的概念和形成可以通過模擬浸入過程來說明。在每乙個區域性極小值表面，刺穿乙個小孔...