改進分水嶺演算法

Ⅰ 分水嶺演算法的介紹

所謂分水嶺演算法有好多種實現演算法，拓撲學，形態學，浸水模擬和降水模擬等方式。要搞懂就不容易了。Watershed Algorithm(分水嶺演算法)，顧名思義，就是根據分水嶺的構成來考慮圖像的分割。現實中我們可以或者說可以想像有山有湖的景象，那麼那一定是水繞 山，山圍水的情形。當然在需要的時候，要人工構築分水嶺，以防集水盆之間的互相穿透。而區分高山（plateaus）與水的界線，以及湖與湖之間的間隔或 都是連通的關系，就是我們可愛的分水嶺（watershed）。為了得到一個相對集中的集水盆，那麼讓水漲到都接近周圍的最高的山頂就可以了，再漲就要漏 水到鄰居了，而鄰居，嘿嘿，水質不同誒，會混淆自我的。那麼這樣的話，我們就可以用來獲取邊界灰階大，中間灰階小的物體區域了，它就是集水盆。

Ⅱ 急需改進分水嶺演算法在圖像分割中的應用研究的MATLAB圖像模擬程序。。

ok

Ⅲ 標記分水嶺演算法能不能用C#實現，或者能否改寫下面這段代碼

應該能的，因為你上面的指針總的來說就是圖片像素的索引而已，但要小心地把你的指針與C#的數組對應起來。

Ⅳ 幫幫我 我不知道分水嶺演算法在圖像分割中的應用…… 代碼,還有別的幫幫我

clear,clc

%三種方法進行分水嶺分割
%讀入圖像
filename='sar1.bmp';
f=imread(filename);
Info=imfinfo(filename);
if Info.BitDepth>8
f=rgb2gray(f);
end
figure,mesh(double(f));%顯示圖像，類似集水盆地

%方法1：一般分水嶺分割，從結果可以看出存在過分割問題
b=im2bw(f,graythresh(f));%二值化,注意應保證集水盆地的值較低（為0），否則就要對b取反
d=bwdist(b); %求零值到最近非零值的距離，即集水盆地到分水嶺的距離
l=watershed(-d); %matlab自帶分水嶺演算法，l中的零值即為風水嶺
w=l==0; %取出邊緣
g=b&~w; %用w作為mask從二值圖像中取值
figure
subplot(2,3,1),imshow(f);
subplot(2,3,2),imshow(b);
subplot(2,3,3),imshow(d);
subplot(2,3,4),imshow(l);
subplot(2,3,5),imshow(w);
subplot(2,3,6),imshow(g);

%方法2：使用梯度的兩次分水嶺分割，從結果可以看出還存在過分割問題（在方法1的基礎上改進）
h=fspecial('sobel');%獲得縱方向的sobel運算元
fd=double(f);
g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2);%使用sobel運算元進行梯度運算
l=watershed(g);%分水嶺運算
wr=l==0;

g2=imclose(imopen(g,ones(3,3)),ones(3,3));%進行開閉運算對圖像進行平滑
l2=watershed(g2);%再次進行分水嶺運算
wr2=l2==0;
f2=f;
f2(wr2)=255;

figure
subplot(2,3,1),imshow(f);
subplot(2,3,2),imshow(g);
subplot(2,3,3),imshow(l);
subplot(2,3,4),imshow(g2);
subplot(2,3,5),imshow(l2);
subplot(2,3,6),imshow(f2);

%方法3：使用梯度加掩模的三次分水嶺演算法（在方法2的基礎上改進）
h=fspecial('sobel');%獲得縱方向的sobel運算元
fd=double(f);
g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2);%使用sobel運算元進行梯度運算
l=watershed(g);%分水嶺運算
wr=l==0;

rm=imregionalmin(g); %計算圖像的區域最小值定位，該函數僅僅是用來觀察為何分水嶺演算法產生這么多集水盆地
im=imextendedmin(f,2);%上面僅是產生最小值點，而該函數則是得到最小值附近的區域，此處的附近是相差2的區域
fim=f;
fim(im)=175; %將im在原圖上標識出，用以觀察
lim=watershed(bwdist(im));%再次分水嶺計算
em=lim==0;
g2=imimposemin(g,im|em);%在梯度圖上標出im和em，im是集水盆地的中心，em是分水嶺
l2=watershed(g2); %第三次分水嶺計算
f2=f;
f2(l2==0)=255; %從原圖對分水嶺進行觀察
figure
subplot(3,3,1),imshow(f);
subplot(3,3,2),imshow(g);
subplot(3,3,3),imshow(l);
subplot(3,3,4),imshow(im);
subplot(3,3,5),imshow(fim);
subplot(3,3,6),imshow(lim);
subplot(3,3,7),imshow(g2);
subplot(3,3,8),imshow(l2)
subplot(3,3,9),imshow(f2);

Ⅳ 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。

Ⅵ MATLAB 分水嶺分割演算法

其實，這涉及到命令和演算法，單一的命令往往不能解決所有的問題，要有前處理或後處理，才能達到目的。另外，也說明，某個命令應該升級或更新了。所以，watershed這個命令，單用達不到所期望的效果，只有加上預處理才行。

Ⅶ 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。

Ⅷ MATLAB的分水嶺演算法

樓上的到處都是這句話，無敵了你

Ⅸ 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