1. 圖像分割中分水嶺演算法的流程是什麼我論文答辯要做10分鍾左右的講解，給的越多越好，謝謝
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，其基本思想是把圖像看作是測地學上的拓撲地貌，圖像中每一點像素的灰度值表示該點的海拔高度，每一個局部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。在每一個局部極小值表面，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，每一個局部極小值的影響域慢慢向外擴展，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注過程。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。首先對每個像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，對每一個局部極小值在h階高度的影響域採用先進先出(FIFO)結構進行判斷及標注。
分水嶺變換得到的是輸入圖像的集水盆圖像，集水盆之間的邊界點，即為分水嶺。顯然，分水嶺表示的是輸入圖像極大值點。因此，為得到圖像的邊緣信息，通常把梯度圖像作為輸入圖像，即
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)表示原始圖像，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，圖像中的雜訊、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，為分析圖像的區域特徵提供了可能。
為消除分水嶺演算法產生的過度分割，通常可以採用兩種處理方法，一是利用先驗知識去除無關邊緣信息。二是修改梯度函數使得集水盆只響應想要探測的目標。
為降低分水嶺演算法產生的過度分割，通常要對梯度函數進行修改，一個簡單的方法是對梯度圖像進行閾值處理，以消除灰度的微小變化產生的過度分割。即
g(x,y)=max(grad(f(x,y)),gθ)
式中，gθ表示閾值。
程序可採用方法：用閾值限制梯度圖像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，梯度圖像用Sobel運算元計算獲得。對梯度圖像進行閾值處理時，選取合適的閾值對最終分割的圖像有很大影響，因此閾值的選取是圖像分割效果好壞的一個關鍵。缺點：實際圖像中可能含有微弱的邊緣，灰度變化的數值差別不是特別明顯，選取閾值過大可能會消去這些微弱邊緣。
2. 分水嶺圖像分割中，常常用梯度圖像代替原始圖像作為分水嶺演算法的輸入的原因
分水嶺演算法是數學形態學分割方法中的經典演算法，它將圖像看作是地形學上被水覆蓋的自然地貌，圖像中的每一像素的灰度值表示該點的海拔高度，其每一個局部極小值及其影響區域稱為集水盆，集水盆的邊界則是分水嶺，在各極小區域的表面打一個小孔，同時讓水從小孔中湧出，並慢慢淹沒極小區域周圍的區域，那麼各極小區域波及的范圍，即是相應的集水盆，對應圖像中的區域；不同區域的水流相遇時的界限，就是期望得到的分水嶺，對應區域的邊緣。分水嶺變換可以保證分割區域的連續性和封閉性。
分水嶺變換是從局部極小點開始，即只能是在梯度圖中用， 原始圖是轉換後才能用於分水嶺變換的
一般圖像中存在多個極小值點，通常會存在過分割現象，可以採用梯度閾值分割改進或者採用標記分水嶺演算法將多個極小值區域連在一起
opencv提供分水嶺的代碼 可以找來看一下
3. 分水嶺演算法的產生與發展過程
分水嶺的計算過程是一個迭代標注過程。分水嶺比較經典的計算方法是L.
Vincent為消除分水嶺演算法產生的過度分割，通常可以採用兩種處理方法，一是利用先驗知識
4. MATLAB的分水嶺演算法
樓上的到處都是這句話，無敵了你
5. 如何計算分水嶺分割後區域的像素個數
這個其實在進行分水嶺分割的過程就能過直接得到。
如果你是基於標記點的meyer分水嶺分割演算法，那麼在沒有進行區域合並和僅僅使用分水嶺分割的情況下，標記點的數目等於最終的分水嶺分割區域的數目。
如果你是原始的Vincen分水嶺分割演算法，程序中會將每個區域梯度極小值作為集水點開始漲水，那麼每遇到一個新的集水點，則會出現一個新的集水盆地，對應的就是一個分水嶺分割區域。
所以，只要你會分水嶺分割演算法，你就很輕而易舉的知道分水嶺分割區域的數目。
如果你是只有一幅分水嶺分割圖的話，可以看看聯通區域標記演算法，也可以很容易的獲取聯通區域的個數，每個聯通區域對應一個分割區域。
6. 請高手幫忙翻譯一下論文摘要
In proteomics studies, two-dimensional gel electrophoresis has been playing an important role, for it not only effective will protein isolated, by this approach can also do for protein qualitative and quantitative research. Previous researchers need to artificially methods, the gel images circle protein points, not only the research institutions, also have slow speed may occur misjudgment situation. Gel image protein point detection system using a watershed algorithm to do gel image, the hope can cut from complex background will cut out, in protein point image cut in this problem, watershed algorithm is used by a method, because it can be very accurate will object edge cutting out, but this method usually because too many regional minimum degree have caused the problem, so segmentation result of cutting out is very fragmented, this time we must use other ways to improve, this thesis research operators based on internal and external control the watershed of the improved algorithm, mark in order to improve the image of segmentation accuracy. Gel In the processed part noise rejection, this can be used some ready-made filter can be completed, using in the watershed image segmentation algorithm before the gradient image, found in the valley, and mark as a point made by mark, mark outside in the gradient image reconstruction after marked for modification, finally the gradient image operator image segmentation watershed transformation. Using these methods can effectively will gel image of protein point detected.
7. 分水嶺演算法的原理及相關思想的闡述是什麼
首先選擇最低的點，就是分水嶺中最底的山谷。
然後灌水：
1 . 極值點周圍的點也劃分到極值點，它們屬於一個區域。
2 . 在灌水的過程中根據你設定的閾值，還需要把有的區域合並。
3. 這個過程中有新的局部極值點產生，也是山谷，但不一定是最底的山谷。
最後灌滿了水之後，由起始的極值點形成了一個一個的區域。