用python写一个用凹点匹配分割算法实现图像分割的代码，不使用skimage库

在Python中，我们可以使用自定义的函数和一些基本的图像处理技术来实现图像分割的凹点匹配分割（也称为轮廓检测）。这里提供一个简单的例子，我们将使用OpenCV库来进行操作，因为它包含了许多图像处理工具：

import cv2
import numpy as np

def find_contours(image):
    # 转换成灰度图像
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 使用Canny边缘检测
    edges = cv2.Canny(gray, 50, 150)

    # 寻找轮廓
    contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    return contours

def convex_hull_points(contour):
    hull = cv2.convexHull(contour)  # 获取凸包
    return hull.reshape(-1, 2)  # 返回二维数组表示的凸包点坐标

def split_image_by_contours(image, contours):
    result = []
    for contour in contours:
        mask = np.zeros_like(image)
        cv2.drawContours(mask, [contour], -1, (255, 255, 255), -1)  # 绘制轮廓
        masked_image = image * mask  # 应用掩码
        result.append(masked_image)
    return result

# 示例图片
img = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)

# 找到并分隔轮廓
contours = find_contours(img)
segmented_images = split_image_by_contours(img, contours)

for i, seg_img in enumerate(segmented_images):
    cv2.imshow(f"Segment {i}", seg_img)
    cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

在这个代码中，我们首先通过Canny边缘检测找到图像的边界，然后寻找每个边缘对应的轮廓。接着计算每个轮廓的凸包，并将图像按凸包区域分割。最后，显示分割后的各个部分。