8.4.4 分水岭分割的常用方法
1.基于距离变换的分水岭分割
在分水岭变换算法中经常配合使用的工具是距离变换，二值图像的距离变换反映了每个像素到最近背景点的距离。在实际的应用中，灰度图像中的目标物体由于存在纹理细节，使得灰度值发生突变，造成分割的结果中存在过分割现象。若将灰度图像先变为二值图像，再进行距离变换而产生新的灰度图像，新的灰度图像是一副灰度值均匀变化的图像，因此将消除掉物体本身存在的纹理细节引起的灰度突变，使得原灰度图像中存在的大量伪局部极小值点消失，再进行分水岭分割后，能取得比原先好很多的分割效果。
距离变换所得到的灰度图像中，灰度值与图像中目标的形状有关。若目标的形状不规则，即目标内部的像素点到背景的距离存在不止一个局部极小值点，则图像分割的结果会把一个完整的目标分割成几部分。所以若图像中感兴趣的目标形状是比较规则的，使用距离变换的分水岭才能取得较好的分割效果。
2.基于梯度的分水岭分割
在实际使用分水岭算法分割图像时，通常将梯度图像作为分水岭变换的对象。梯度图像中像素点的灰度值反映了原图像中该点与其领域点的灰度值变化程度。若直接对梯度图像进行分水岭变换，结果图像中会得到很多不感兴趣的分水岭，影响正确分割。一种改善的方法是先对梯度图像进行平滑操作，使得梯度图像中的伪局部极小值点减少，再对图像进行分水岭变换，从而改善分割的效果。(https://www.daowen.com)
对原图像与梯度图像分别进行平滑操作比对原图像进行多次平滑操作的效果要好，而且该方法鲁棒性好，可以适用于不同应用领域图像的分水岭分割。虽然该方法能改善分割的效果，但是分割的最终结果依然存在过分割，对精度要求高的领域，该方法依然无法满足图像处理的需求。
3.基于控制标记符的分水岭分割
分水岭变换中由于存在噪声与细节纹理会导致过分割，以至于图像分割的结果无法满足实际应用需求。一种解决该问题的方法是将先验知识加入到分割过程当中，限制允许出现的区域数目。该方法具体实现基于标记符的概念，标记符是属于一幅图像的一个连接分量，可以对目标区域计算一个内部标记符集合，对大量的局部极小值逐个做标记。对背景部分也计算一个外部标记符集合。对于计算标记符的方法有很多，如线性滤波、数学形态学处理，当像素符合制定的标准时则将它归入标识符的集合。在这个过程中，符合规则的局部极小值都会归入到集合，此时可以观察标识符集合内的像素的特征，利用强制最小技术来修改图像的灰度值。强制最小技术是指保留小于某一阈值的局部极小值，大于阈值的其他像素点按需求将像素值增大到某个特定值，其结果可以通过调整阈值大小按实际需求减少一定数量的局部极小值。从而减少过分割的区域，改善图像分割效果。
该方法在制定标记符的选择范围时可以充分利用到先验知识，即从统计的目标形状、纹理、颜色特征等方面来制定合理的规则。通过对阈值的调整，可以很有效地控制分割区域的数量，因此该方法可以通过修正阈值来达到一个更好的分割效果，因此经常被用于各种图像的分割。
