【图像算法】彩色图像分割专题七：基于分水岭的彩色分割
SkySeraph July 7th 2011 HQU
Email：zgzhaobo@gmail.com QQ：452728574
Latest Modified Date：July 7th 2011 HQU
------------------------------------------------------------------------------------------------------------------------
》原理
分水岭算法有好好几种实现算法，拓扑学，形态学，浸水模拟和降水模拟等，最常用的就是Soille和Vincent首先提出的模拟浸没的算法，该算法分割结果效果好，速度快，具有较强的实用性，其简要概括如下。其它更多细节见后文给出的参考资料，不再细述。
Vincent和Soille算法包括2个部分：第一个部分是排序；第二部分为泛洪。算法描述如下：
（1）将根据图像中每个像素的RGB值根据公式Gray=0.299R+0.587G+0.114B得到与之对应的灰度值。
（2）根据Sobel算子得到图像的梯度。（边缘像素的梯度为其邻域像素的梯度，梯度范围为0-255）
（3）对梯度进行从小到大的排序，相同的梯度为同一个梯度层级。
（4）处理第一个梯度层级所有的像素，如果其邻域已经被标识属于某一个区域，则将这个像素加入一个先进先出的队列。
（5）先进先出队列非空时，弹出第一个元素。扫描该像素的邻域像素，如果其邻域像素的梯度属于同一层（梯度相等），则根据邻域像素的标识来刷新该像素的标识。一直循环到队列为空。
（6）再次扫描当前梯度层级的像素，如果还有像素未被标识，说明它是一个新的极小区域，则当前区域的值（当前区域的值从0开始计数）加1后赋值给该为标识的像素。然后从该像素出发继续执行步骤5的泛洪直至没有新的极小区域。
（7）返回步骤4，处理下一个梯度层级的像素，直至所有梯度层级的像素都被处理。流程如下：
------------------------------------------------------------------------------------------------------------------------
》源码
核心代码(部分源码来源网络，修改并做了很详细的注释)
函数模块
-----------------------------------------------------------------------------------------------------------------------
》效果
找了一辆车做测试，效果勉强，运行速度很慢。
原图：
轮廓：
轮廓图：
------------------------------------------------------------------------------------------------------------------------
》参考资料：
Watershed (image processing): http://en.wikipedia.org/wiki/Watershed_(image_processing)
IMAGE SEGMENTATION AND MATHEMATICAL MORPHOLOGY http://cmm.ensmp.fr/~beucher/wtshed.html
分水岭算法（Watershed Algorithm）:http://hi.baidu.com/changfeng01200/blog/item/0ed6920b51f82e1794ca6bc5.html
分水岭分割方法:http://hi.baidu.com/huangwenzhixin/blog/item/039d5713c81bf62add5401e2.html
分水岭算法简单实现：http://blog.csdn.net/tt2com/article/details/6321610
分水岭分割算法：http://hi.baidu.com/%CA%D8%CD%FB%CC%EC%B1%DF%B5%C4%D4%C2/blog/item/57926db72b319ee531add1d2.html
------------------------------------------------------------------------------------------------------------------------
Author: SKySeraph
Email/GTalk: zgzhaobo@gmail.com QQ：452728574
From： http://www.cnblogs.com/skyseraph/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利.
