使用分水岭算法分割图像代码

以下是使用OpenCV库实现分水岭算法分割图像的示例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('input_image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对图像进行二值化处理
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

# 生成结构元素
kernel = np.ones((3, 3), np.uint8)

# 开运算去除噪声
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

# 确定背景区域
sure_bg = cv2.dilate(opening, kernel, iterations=3)

# 查找前景区域
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)
ret, sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0)

# 查找未知区域
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

# 标记标签
ret, markers = cv2.connectedComponents(sure_fg)

# 对标签进行加一操作
markers = markers + 1

# 将未知区域标记为 0
markers[unknown==255] = 0

# 应用分水岭算法
markers = cv2.watershed(img, markers)
img[markers == -1] = [255, 0, 0]

# 显示结果
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码将原始图像转换为灰度图像，并对其进行二值化处理。通过开运算去除噪声并确定背景区域，然后查找前景区域并确定未知区域。接下来，使用 `cv2.connectedComponents()` 函数标记标签，并对标签进行加一操作。最后，应用分水岭算法并将结果显示在窗口中。