读取并显示一幅灰度图像，对其采用分水岭算法进行图像边缘提取

好的，我可以给您提供Python实现的代码。请确保已经安装了OpenCV和NumPy库。

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE)

# 对图像进行中值滤波
img = cv2.medianBlur(img, 5)

# 使用Sobel算子计算图像的梯度幅值
grad_x = cv2.Sobel(img, cv2.CV_32F, 1, 0, ksize=3)
grad_y = cv2.Sobel(img, cv2.CV_32F, 0, 1, ksize=3)
grad = cv2.subtract(grad_x, grad_y)
grad = cv2.convertScaleAbs(grad)

# 对梯度幅值图像进行二值化处理
_, thresh = cv2.threshold(grad, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# 对二值化图像进行开运算和闭运算操作
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)
sure_bg = cv2.dilate(opening, kernel, iterations=3)
closing = cv2.morphologyEx(sure_bg, cv2.MORPH_CLOSE, kernel, iterations=3)

# 计算图像的距离变换
dist_transform = cv2.distanceTransform(closing, cv2.DIST_L2, 5)
_, sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0)

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

# 使用连通组件算法对未知区域进行标记
_, markers = cv2.connectedComponents(sure_fg)

# 对标记进行加一操作，使得背景标记为1，未知区域标记为2，前景标记为3
markers = markers + 1
markers[unknown == 255] = 0

# 应用分水岭算法进行图像分割
markers = cv2.watershed(img, markers)

# 对分割结果进行可视化展示
img[markers == -1] = [255, 0, 0]  # 将分割线标记为红色
cv2.imshow("Segmented Image", img)
cv2.waitKey(0)

在这个代码中，我们首先使用 `cv2.imread()` 函数读取了一张灰度图像，并对其进行了中值滤波。然后，我们使用Sobel算子计算了图像的梯度幅值，对其进行了二值化处理，并使用开运算和闭运算操作对其进行了预处理。

接下来，我们计算了图像的距离变换，并使用连通组件算法对未知区域进行了标记。最后，我们应用分水岭算法进行图像分割，并将分割线标记为红色，以便于可视化展示。

希望这个代码对您有所帮助！