1. 图像分割中分水岭算法的流程是什么我论文答辩要做10分钟左右的讲解，给的越多越好，谢谢
分水岭算法的概念及原理
分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。
分水岭的计算过程是一个迭代标注过程。分水岭比较经典的计算方法是L. Vincent提出的。在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。
分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。显然，分水岭表示的是输入图像极大值点。因此，为得到图像的边缘信息，通常把梯度图像作为输入图像，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)表示原始图像，grad{.}表示梯度运算。
分水岭算法对微弱边缘具有良好的响应，图像中的噪声、物体表面细微的灰度变化，都会产生过度分割的现象。但同时应当看出，分水岭算法对微弱边缘具有良好的响应，是得到封闭连续边缘的保证的。另外，分水岭算法所得到的封闭的集水盆，为分析图像的区域特征提供了可能。
为消除分水岭算法产生的过度分割，通常可以采用两种处理方法，一是利用先验知识去除无关边缘信息。二是修改梯度函数使得集水盆只响应想要探测的目标。
为降低分水岭算法产生的过度分割，通常要对梯度函数进行修改，一个简单的方法是对梯度图像进行阈值处理，以消除灰度的微小变化产生的过度分割。即
g(x,y)=max(grad(f(x,y)),gθ)
式中，gθ表示阈值。
程序可采用方法：用阈值限制梯度图像以达到消除灰度值的微小变化产生的过度分割，获得适量的区域，再对这些区域的边缘点的灰度级进行从低到高排序，然后在从低到高实现淹没的过程，梯度图像用Sobel算子计算获得。对梯度图像进行阈值处理时，选取合适的阈值对最终分割的图像有很大影响，因此阈值的选取是图像分割效果好坏的一个关键。缺点：实际图像中可能含有微弱的边缘，灰度变化的数值差别不是特别明显，选取阈值过大可能会消去这些微弱边缘。
2. 分水岭图像分割中，常常用梯度图像代替原始图像作为分水岭算法的输入的原因
分水岭算法是数学形态学分割方法中的经典算法，它将图像看作是地形学上被水覆盖的自然地貌，图像中的每一像素的灰度值表示该点的海拔高度，其每一个局部极小值及其影响区域称为集水盆，集水盆的边界则是分水岭，在各极小区域的表面打一个小孔，同时让水从小孔中涌出，并慢慢淹没极小区域周围的区域，那么各极小区域波及的范围，即是相应的集水盆，对应图像中的区域；不同区域的水流相遇时的界限，就是期望得到的分水岭，对应区域的边缘。分水岭变换可以保证分割区域的连续性和封闭性。
分水岭变换是从局部极小点开始，即只能是在梯度图中用， 原始图是转换后才能用于分水岭变换的
一般图像中存在多个极小值点，通常会存在过分割现象，可以采用梯度阈值分割改进或者采用标记分水岭算法将多个极小值区域连在一起
opencv提供分水岭的代码 可以找来看一下
3. 分水岭算法的产生与发展过程
分水岭的计算过程是一个迭代标注过程。分水岭比较经典的计算方法是L.
Vincent为消除分水岭算法产生的过度分割，通常可以采用两种处理方法，一是利用先验知识
4. MATLAB的分水岭算法
楼上的到处都是这句话，无敌了你
5. 如何计算分水岭分割后区域的像素个数
这个其实在进行分水岭分割的过程就能过直接得到。
如果你是基于标记点的meyer分水岭分割算法，那么在没有进行区域合并和仅仅使用分水岭分割的情况下，标记点的数目等于最终的分水岭分割区域的数目。
如果你是原始的Vincen分水岭分割算法，程序中会将每个区域梯度极小值作为集水点开始涨水，那么每遇到一个新的集水点，则会出现一个新的集水盆地，对应的就是一个分水岭分割区域。
所以，只要你会分水岭分割算法，你就很轻而易举的知道分水岭分割区域的数目。
如果你是只有一幅分水岭分割图的话，可以看看联通区域标记算法，也可以很容易的获取联通区域的个数，每个联通区域对应一个分割区域。
6. 请高手帮忙翻译一下论文摘要
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. 分水岭算法的原理及相关思想的阐述是什么
首先选择最低的点，就是分水岭中最底的山谷。
然后灌水：
1 . 极值点周围的点也划分到极值点，它们属于一个区域。
2 . 在灌水的过程中根据你设定的阈值，还需要把有的区域合并。
3. 这个过程中有新的局部极值点产生，也是山谷，但不一定是最底的山谷。
最后灌满了水之后，由起始的极值点形成了一个一个的区域。