opencv分水岭算法分硬币

### 使用 OpenCV 的分水岭算法进行硬币图像分割

为了实现硬币图像的精确分割，可以采用基于标记的分水岭算法。该方法通过预先定义前景、背景以及未知区域来指导分水岭变换过程，从而减少过分割现象的发生。

#### 准备工作
首先加载待处理的图片并检查其有效性：

Mat src = imread("C:/opencv/data/coins.jpg");
if (src.empty()) {
    printf("Could not load image...\n");
    return -1;
}

这段代码用于读取指定路径下的图像文件，并验证是否成功加载[^1]。

#### 图像预处理
通常情况下，在执行分水岭之前需要对原始图像做一些必要的预处理操作，比如灰度化转换、高斯模糊降噪和平滑滤波等：

// 转换成灰度图
cvtColor(src, gray, COLOR_BGR2GRAY);
GaussianBlur(gray, blurred, Size(7, 7), 0);

// 应用二值化阈值处理
threshold(blurred, binary, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);

这些步骤有助于提高后续边缘检测的效果，使得最终得到更清晰的目标轮廓[^2]。

#### 创建 Marker Map
创建一个 marker map 来标注已知的信息（即确定属于物体内部或外部的部分），并将剩余部分设为未定状态 (-1 表示未知):

// 执行形态学开运算去除小斑点
morphologyEx(binary, sure_bg, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(3, 3)));

// 计算距离变换获取可能的核心区域
distanceTransform(sure_bg, dist_transform, DIST_L2, 3);
normalize(dist_transform, dist_transform, 0, 1.0, NORM_MINMAX);

// 阈值化获得可靠的前景估计
threshold(dist_transform, sure_fg, 0.7 * dist_transform.maxVal(), 255, 0);

// 将前景和背景相减找出未知区域
subtract(sure_bg, sure_fg, unknown);

// 定义连通域标签
connectedComponents(sure_fg, markers);

// 给未知区赋值为零准备watershed填充
markers = markers + 1;
markers(unknown == 255) = 0;

此段程序构建了一个初步的marker映射表，其中包含了明确分类好的像素位置及其对应的类别编号；同时保留了一片空白供之后由算法自动填补[^3]。

#### 应用分水岭变换
调用 `cv::watershed()` 函数完成实际的分割任务:

watershed(src, markers); 

// 结果可视化
Mat watershed_output;
convertScaleAbs(markers, watershed_output);
watershed_output.convertTo(watershed_output, CV_8UC3);
imshow("Watershed Segmentation", watershed_output);
waitKey();

经过上述流程后，`markers` 中原本设置为 `-1` 的边界线现在已经被正确地标记出来，形成了完整的分割效果。