本示例說明了如何使用分水嶺分割來分離影象中的物體。分水嶺變換透過將影象視為亮畫素高而暗畫素低的表面，在影象中找到“集水盆地”和“分水嶺脊線”。
如果您可以識別或“標記”前景物體和背景位置，則使用分水嶺變換進行分割會更好。標記控制的分水嶺分割遵循以下基本過程：
計算分割函式。這是一張影象，其暗區是您要分割的物體。
計算前景標記。這些是每個物體中畫素的連通域。
計算背景標記。這些是不屬於任何物體的畫素。
修改分割函式，使其僅在前景和背景標記位置具有最小值。
計算修改後的分割函式的分水嶺變換。
步驟1：讀取彩色影象並將其轉換為灰度
rgb
=
imread
（
‘pears。png’
）；
I
=
rgb2gray
（
rgb
）；
imshow
（
I
）
text
（
732
，
501
，
‘Image courtesy of Corel（R）’
，
。。。
‘FontSize’
，
7
，
‘HorizontalAlignment’
，
‘right’
）
步驟2：使用梯度幅度作為分割函式
計算梯度幅度。梯度在物體邊界處較高，而在物體內部的梯度較低（大部分）。
gmag
=
imgradient
（
I
）；
imshow
（
gmag
，［］）
title
（
‘Gradient Magnitude’
）
您是否可以直接在梯度幅度上使用分水嶺變換對影象進行分割？
L
=
watershed
（
gmag
）；
Lrgb
=
label2rgb
（
L
）；
imshow
（
Lrgb
）
title
（
‘Watershed Transform of Gradient Magnitude’
）
不行。如果不進行其他預處理（例如下面的標記計算），則直接使用分水嶺變換通常會導致“過度分割”。
步驟3：標記前景物體
在這裡可以應用各種過程來找到前景標記，這些前景標記必須與每個前景物體內部的畫素區域相連。在此示例中，您將使用稱為“開重建”和“閉重建”的形態學技術“清理”影象。這些操作用
imregionalmax
將在每個可使用定位的物體內建立平坦的最大值。
開操作是腐蝕然後是膨脹，而開重建是腐蝕然後是形態學重建。讓我們比較一下兩者。首先，使用開操作
imopen
。
se
=
strel
（
‘disk’
，
20
）；
Io
=
imopen
（
I
，
se
）；
imshow
（
Io
）
title
（
‘Opening’
）
接下來，使用
imerode
和
imreconstruct
計算開重建。
Ie
=
imerode
（
I
，
se
）；
Iobr
=
imreconstruct
（
Ie
，
I
）；
imshow
（
Iobr
）
title
（
‘Opening-by-Reconstruction’
）
開操作後可以用閉操作消除黑點和莖幹痕跡。比較常規形態學閉操作與閉重建。首先嚐試
imclose
：
Ioc
=
imclose
（
Io
，
se
）；
imshow
（
Ioc
）
title
（
‘Opening-Closing’
）
現在使用
imdilate
之後再用
imreconstruct
。請注意，您必須對
imreconstruct
影象的輸入和輸出進行補集操作。
Iobrd
=
imdilate
（
Iobr
，
se
）；
Iobrcbr
=
imreconstruct
（
imcomplement
（
Iobrd
），
imcomplement
（
Iobr
））；
Iobrcbr
=
imcomplement
（
Iobrcbr
）；
imshow
（
Iobrcbr
）
title
（
‘Opening-Closing by Reconstruction’
）
如你所見，可以用
Ioc
比較
Iobrcbr
，在不影響物體的總體形狀的條件下消除小瑕疵，基於重建的開和閉比標準的開操作和閉操作更加有效。計算
Iobrcbr
的區域最大值以獲得良好的前景標記。
fgm
=
imregionalmax
（
Iobrcbr
）；
imshow
（
fgm
）
title
（
‘Regional Maxima of Opening-Closing by Reconstruction’
）
為了幫助解釋結果，請將前景標記影象疊加在原始影象上。
I2
=
labeloverlay
（
I
，
fgm
）；
imshow
（
I2
）
title
（
‘Regional Maxima Superimposed on Original Image’
）
請注意，某些未完全遮蓋和陰影的物體未標記，這意味著在最終結果中將無法正確分割這些物體。此外，某些物件中的前景標記會一直向上延伸到物件的邊緣。這意味著您應該清理標記斑點的邊緣，然後將其縮小一點。您可以先閉操作再進行侵蝕操作。
se2
=
strel
（
ones
（
5
，
5
））；
fgm2
=
imclose
（
fgm
，
se2
）；
fgm3
=
imerode
（
fgm2
，
se2
）；
此過程往往會留下一些必須隔離的雜散孤立畫素。您可以使用
bwareaopen
來執行此操作，該操作會刪除畫素少於一定數量的所有斑點。
fgm4
=
bwareaopen
（
fgm3
，
20
）；
I3
=
labeloverlay
（
I
，
fgm4
）；
imshow
（
I3
）
title
（
‘Modified Regional Maxima Superimposed on Original Image’
）
步驟4：計算背景標記
現在您需要標記背景。在清理後的影象
Iobrcbr
中，黑色畫素屬於背景，因此您可以從閾值操作開始。
bw
=
imbinarize
（
Iobrcbr
）；
imshow
（
bw
）
title
（
‘Thresholded Opening-Closing by Reconstruction’
）
背景畫素為黑色，但理想情況下，我們不希望背景標記離我們要分割的物件的邊緣太近。我們將透過計算
bw
前景的“受影響區域的骨架”（SKIZ）來“縮小”背景。可以透過計算
bw
距離變換的分水嶺變換，然後尋找結果的分水嶺脊線（
DL == 0
）來完成。
D
=
bwdist
（
bw
）；
DL
=
watershed
（
D
）；
bgm
=
DL
==
0
；
imshow
（
bgm
）
title
（
‘Watershed Ridge Lines’
）
步驟5：計算分割函式的分水嶺變換
函式
imimposemin
可用於修改影象，使其僅在某些所需位置具有區域最小值。在這裡，您可以用
imimposemin
來修改梯度幅度影象，以使其唯一的區域最小值出現在前景和背景標記畫素上。
gmag2
=
imimposemin
（
gmag
，
bgm
|
fgm4
）；
最後，計算基於分水嶺的分割。
L
=
watershed
（
gmag2
）；
步驟6：視覺化結果
一種視覺化技術是在原始影象上疊加前景標記、背景標記和分割物體的邊界。您可以根據需要使用膨脹來使某些方面（例如物件邊界）更加可見。物體邊界位於
L == 0
處。二進位制前景和背景標記縮放到不同的整數值，以便為它們分配不同的標籤。
labels
=
imdilate
（
L
==
0
，
ones
（
3
，
3
））
+
2
*
bgm
+
3
*
fgm4
；
I4
=
labeloverlay
（
I
，
labels
）；
imshow
（
I4
）
title
（
‘Markers and Object Boundaries Superimposed on Original Image’
）
該視覺化說明了前景標記和背景標記的位置如何影響結果。在幾個位置中，部分被遮擋的較暗物件與它們的明亮鄰居物體合併，因為被遮擋的物體沒有前景標記。
另一種有用的視覺化技術是將標籤矩陣顯示為彩色影象。標籤矩陣（例如由
watershed
和
bwlabel
生成的標籤矩陣）可以使用
label2rgb
轉換為真彩色影象，以用於視覺化目的。
Lrgb
=
label2rgb
（
L
，
‘jet’
，
‘w’
，
‘shuffle’
）；
imshow
（
Lrgb
）
title
（
‘Colored Watershed Label Matrix’
）
您可以使用透明度將此偽彩色標籤矩陣疊加在原始強度影象的頂部。
figure
imshow
（
I
）
hold
on
himage
=
imshow
（
Lrgb
）；
himage
。
AlphaData
=
0。3
；
title
（
‘Colored Labels Superimposed Transparently on Original Image’
）
注：本文根據MATLAB官網內容修改而成。
以下的
免費影片教程
，特點是沒有PPT，不摻水，直接程式設計環境下的實操課程：
用100分鐘瞭解MATLAB程式設計
歡迎您進一步瞭解以下MATLAB系列文章：
