影象分割是影象處理最重要的處理手段之一
影象分割的目標是將影象中畫素根據一定的規則分為若干個cluster集合每個集合包括一類畫素
根據演算法分為監督學習和無監督學習，影象分割的演算法多數都是無監督學習-KMenas
距離變換常見演算法有兩種
- 不斷膨脹/ 腐蝕得到
- 基於倒角距離

分水嶺變換常見的演算法
基於浸泡理論實現，假設顏色資料為一個個山頭，在山底不停加水，直到各大山頭之間形成了明顯的分水線
API：

watershed ( // 分水嶺變換
InputArray image,
InputOutputArray  markers
)

distanceTransform ( // 距離變換
 

InputArray  src, // 輸入的影象，一般為二值影象
OutputArray dst, // 輸出8位或者32位的浮點數，單一通道，大小與輸入影象一致
OutputArray  labels, // 輸出 2D 的標籤(離散Voronoi(維諾)圖)，型別為 CV_32SC1 
                                  ，相同距離的算做同一個 label ，算出總共由多少個 labels
int  distanceType, // 所用的求解距離的型別
CV_DIST_L1      distance = |x1-x2| + |y1-y2|
CV_DIST_L2      distance
 
 = sqrt((x1-x2)^2 + (y1-y2)^2)  歐幾里得距離
CV_DIST_C       distance = max(|x1-x2|, |y1-y2|)
int maskSize, // 最新的支援5x5，推薦3x3
int labelType=DIST_LABEL_CCOMP // Type of the label array to build, see cv::DistanceTransformLabelTypes
)

步驟：

• 將白色背景變成黑色-目的是為後面的變換做準備
• 使用filter2D與拉普拉斯運算元實現影象對比度提高，sharp銳化
• 轉灰度轉為二值影象通過threshold
• 距離變換
• 對距離變換結果進行歸一化到0-1之間
• 使用閾值再次二值化得到標記
• 腐蝕得到每個peak-erode
• 發現輪廓-findContours
• 繪製輪廓-drawcontours
• 分水嶺變換watershed
• 對每個分割區域著色輸出結果

程式碼：

#include <opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include <string> 
#include<fstream> 
using namespace cv;
using namespace std;

int main() {
    Mat src;
    src = imread("C:\\Users\\Administrator\\Desktop\\pic\\10.jpg");
    imshow("input", src);
    //printf("1 depth=%d, type=%d, channels=%d\n", src.depth(), src.type(), src.channels());
    //將白色背景變成黑色
    for (int row = 0; row < src.rows; row++) {
        for (int col = 0; col < src.cols; col++) {
            if (src.at<Vec3b>(row, col) == Vec3b(255, 255, 255)) {
                src.at<Vec3b>(row, col)[0] = 0;
                src.at<Vec3b>(row, col)[1] = 0;
                src.at<Vec3b>(row, col)[2] = 0;
            }
        }
    }
    imshow("blacksrc", src);
    //銳化
    Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);//拉普拉斯運算元
    Mat lapulasimg;
    Mat sharpimg = src;
    //printf("2 depth=%d, type=%d, channels=%d\n", sharpimg.depth(), sharpimg.type(), sharpimg.channels());
    filter2D(src, lapulasimg, CV_32F, kernel);// 這裡計算的顏色資料有可能是負值，所以深度傳 CV_32F， 不要傳 -1，原圖的深度是 CV_8U，不能儲存負值
    src.convertTo(sharpimg, CV_32F); // mat.type 由 CV_8UC3 轉換為 CV_32FC3 ，為了下面的減法計算
    Mat resultimg = sharpimg - lapulasimg;
    lapulasimg.convertTo(lapulasimg, CV_8UC3);
    resultimg.convertTo(resultimg, CV_8UC3);
    imshow("ruihua", resultimg);
    //轉為二值
    Mat binimg;
    cvtColor(resultimg, resultimg, CV_RGB2GRAY);
    threshold(resultimg, binimg, 40, 255, THRESH_BINARY);
    imshow("binimg", binimg);
    //距離變化
    Mat disimg;
    distanceTransform(binimg, disimg, DIST_L1, 3,5);// CV_32F表示輸出影象的深度，通道數與輸入圖形一致
    imshow("disimg", disimg);
    //對距離變換結果進行歸一化到0-1之間
    normalize(disimg, disimg, 0, 1, NORM_MINMAX);
    imshow("normal", disimg);
    //使用閾值再次二值化得到標記(即顏色值達到0.4的地方，表示輪廓的邊界，為發現輪廓做準備)
    threshold(disimg, disimg, 0.4, 1, THRESH_BINARY);
    imshow("erzhiimg", disimg);
    //腐蝕得到每個peak - erode
    Mat k1 = Mat::zeros(13, 13, CV_8UC1);
    erode(disimg, disimg, k1);
    imshow("erodeimg", disimg);

    //發現輪廓
    Mat dist_8u;
    disimg.convertTo(dist_8u, CV_8UC1);
    imshow("dist_8u*100", dist_8u*100 );//元素放大100倍
    vector<vector<Point>>contours;
    findContours(dist_8u, contours, RETR_TREE, CHAIN_APPROX_SIMPLE);
    //繪製輪廓
    RNG rng(12345);
    Mat show_contours;
    src.copyTo(show_contours);
    Mat makers = Mat::zeros(src.size(), CV_32SC1);
    for (size_t i = 0; i < contours.size(); i++) {
        if (contours[i].size() <= 2)
            continue;//過濾排除點數不夠的輪廓，最終影象分割效果更好
        drawContours(makers, contours, i, Scalar::all(i + 1), -1);//thickness=-1表示填充輪廓
        if (i == 1) {//腐蝕的mat尺寸為3*3時下標1的輪廓兩個點，在上面已經排除
            printf("contours[1][0].x=%d, contours[1][0].y=%d, contours[1][1].x=%d,contours[1][1].y=%d\n",
            contours[1][0].x, contours[1][0].y, contours[1][1].x, contours[1][1].y);
            circle(show_contours, contours[1][0], 5, Scalar(0, 0, 255), -1);
            circle(show_contours, contours[1][1], 5, Scalar(0, 0, 0), -1);
        }
        Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
        drawContours(show_contours, contours, i, color, -1);
    }
    //建立標記，標記的位置如果要分割的影象塊上會影響分割的效果，若果不建立，分水嶺變換會無效
    circle(makers, Point(5, 5), 3, Scalar(255, 255, 255), -1);
    imshow("maker*1000", makers * 1000);
    imshow("show_contours", show_contours);
    //分水嶺變換，將繪製的輪廓區域的顏色資料蔓延到各輪廓所在的分水嶺，這樣影象分割已完成，後續不同著色顯示
    watershed(src, makers);
    imshow("waterimg", makers * 1000);
    Mat mark = Mat::zeros(makers.size(), CV_8UC1);
    makers.convertTo(mark, CV_8UC1);
    //bitwise_not(mark, mark, Mat()); // 顏色反差
    imshow("markimg", mark);
    // 為每個輪廓生成隨機顏色
    vector<Vec3b> colors;
    for (size_t i = 0; i < contours.size(); i++) {
        int r = theRNG().uniform(0, 255);
        int g = theRNG().uniform(0, 255);
        int b = theRNG().uniform(0, 255);
        colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
    }

    // fill with color and display final result
    Mat dst = Mat::zeros(makers.size(), CV_8UC3);
    for (int row = 0; row < makers.rows; row++) {
        for (int col = 0; col < makers.cols; col++) {
            int index = makers.at<int>(row, col); // 對應上面傳的 Scalar::all(i + 1), -1)
            if (index > 0 && index <= static_cast<int>(contours.size())) { // 給各輪廓上不同色
                dst.at<Vec3b>(row, col) = colors[index - 1]; // 因為上面傳的是 Scalar::all(i + 1), -1) 所以要減1
            }
            else {
                dst.at<Vec3b>(row, col) = Vec3b(0, 0, 0); // 輪廓之外全部黑色
            }
        }
    }
    imshow("Final Result", dst);

    waitKey(0);
}

結果：