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，每一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。在每一個區域性極小值表面，刺穿一個小孔，然後把整個模型慢慢浸入水中，隨著浸入的加深，每一個區域性極小值的影響域慢慢向外擴充套件，在兩個集水盆匯合處構築大壩，即形成分水嶺。分水嶺的計算過程是一個迭代標註過程。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，一個是排序過程，一個是淹沒過程。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，對每一個區域性極小值在h階高度的影響域採用先進先出(FIFO)結構進行判斷及標註。

g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}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，影象中的噪聲、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

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