理论
任意的灰度图像可以被看做是地质学表面，高亮度的地方是山峰，低亮度的地方是山谷。给每个孤立的山谷（局部最小值）不同颜色的水（标签），当水涨起来，根据周围的山峰（梯度），不同的山谷也就是不同的颜色会开始合并，要避免这个，你可以在水要合并的地方建立障碍，直到所有山峰都被淹没。你所创建的障碍就是分割结果，这个就是分水岭的原理，但是这个方法会分割过度，因为有噪点，或者其他图像上的错误。所以OpenCV实现了一个机遇标记的分水岭算法，你可以指定哪些是要合并的点，哪些不是，这是一个交互式的图像分割，我们要做的是给不同的标签。给我们知道是前景或者是目标用一种颜色加上标签，给我们知道是背景或者非目标加上另一个颜色，最后不知道是什么的区域标记为0. 然后使用分水岭算法，
代码
下面我们来看一个用距离算法和分水岭算法来分割的例子。
看下面的硬币图像，硬币互相之间挨着，即便你用了阈值，他们也是相互连接。
我们先找到大概的硬币，使用Otsu 二值化。
import numpy as np
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('coins.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
结果：
现在我们需要去掉小的白色噪点，我们使用形态学开运算。要去除小的洞，我们可以用形态学闭运算。所以现在我们知道了靠近目标中心的区域是前景，离目标远的是背景，只有硬币边缘区域是未知的。
所以我们需要解出我们去人他们是硬币的区域。腐蚀法去掉边缘的像素，剩下的就是硬币，这在目标不是挨着的情况下是可行的，但是由于他们是互相挨着的，更好的选择是用距离转换，配合一个合适的阈值。接着我们需要找到我们去人不是硬币的区域。要做这个，我们对结果进行膨胀，膨胀会把目标边缘扩展到背景，这样，我们可以确保结果的背景区域确实是背景，由于边缘被去掉了。
剩下的区域就是我们不确认的了，有可能是硬币有可能是背景，分水岭算法应该能找到，这些区域一般是在硬币边界周围，前景和背景交接（或者两个硬币交接），我们叫他们边界，可以从sure_gb里面减去sure_fg得到。
# noise removal
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)
看结果，在使用阈值过滤的图像里，我们得到了我们确认是硬币的区域，在有些情况下，你可能值对前景分割感兴趣，而不太关心挨着的目标是否要分开。那样的话，你不用距离变换，只用做腐蚀就可以了。腐蚀是用来解出我们确认是前景的。
现在我们知道哪些区域是硬币，哪些是背景。我们创建标记（这个是和原始图像的大小一样的数组，只不过数据类型是int32）然后在里面标记区域，我们确认的区域（前景或者背景）用不同的正整数标记出来，我们不确认的区域保持0，我们可以用cv2.connectedComponents()来做这个，它把图像背景标成0，其他目标用从1开始的整数标记。
但是我们知道如果背景被标成0，分水岭会认为他是未知区域，所以我们要用不同的整数来标记
# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)
# Add one to all labels so that sure background is not 0, but 1
markers = markers+1
# Now, mark the region of unknown with zero
markers[unknown==255]=0
看结果的彩色JET图，暗蓝色区域显示未知区域，确认是硬币的区域是不同颜色。剩下的区域是浅蓝色。
现在我们的标记准备好了，是时候最后一步了，使用分水岭，标记图像会被修改，边界区域会被标记成0.
markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]
结果如下，
END
