本教程我學習一下opencv中分水嶺算法的具體實作方式。
原始圖像和Mark圖像，它們的大小都是32*32，分水嶺算法的結果是得到兩個連通域的輪廓圖。
原始圖像：(原始圖像必須是3通道圖像)
Mark圖像：
結果圖像：
初始的mark圖像資料如下，黃色的部分為我們的第一個mark區域，值為255，第二個區域為褐紅色的區域，值為128，第三個綠色的區域，值為64。
opencv分水嶺算法描述如下：
初始化mark矩陣，生成最初的注水區域。
1.設定mark圖像的邊框值為-1
2. 标記每個mark區域的邊界為-2
3. 對于mark圖像一個像素值，如果它本身值為0，但上下左右四鄰域有一個像素值不為0，則把該點按照RGB高度值放入相應的隊列。
舉例說明：如下圖像素點，它的mark值為0，但左和上像素值不為0，此時，我們求原始圖像中對應像素的高度值，高度值的計算方式如下面公式，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表示取絕對值，min和max分别為最小值和最大值函數：
min(max(abs(R-RL), abs(G-GL), abs(B-BL))，max(abs(R-RT), abs(G-GT), abs(B-BT))，max(abs(R-RR), abs(G-GR), abs(B-BR))，max(abs(R-RB), abs(G-GB), abs(B-BB))）
上圖中指定的像素，它的高度值顯然為0，是以我們把(2，2)點放入高度為0的隊列中(總共有256個隊列，對應0-255的高度)
初始化階段完成後，我們得到下面的mark圖，并把-2對應的邊界像素點，按照其對應的RGB高度值放入相應的隊列。
之後就進入了遞歸注水過程，遞歸過程描述如下：
for(; ; )
{
掃描0-255高度值隊列，如果找到一個像素标記，則彈出該标記，并退出掃描。
如果該像素的四鄰域中存在兩個不同的非0值，表示該點為兩個注水盆地的邊緣，即分水嶺線，在mark圖像中标記該點為-1。
掃描該點的四鄰域，是否存在為0的mark域，存在的話這把該鄰域點按照rgb高度值，放入相應的隊列。
}
經過上述的遞歸過程，最後我們得到的mark圖像如下所示，其中綠色格子的-1即為所有的分水嶺邊界：
代碼參見工程：FirstOpenCV10
我們也可以把輸入圖像換成灰階圖，這樣求高度值時，就比較簡單，void WatershedGray(cv::Mat &src, cv::Mat &dst);該函數示範灰階圖的分水嶺算法。