步骤1：阅读颜色图像并将其转换为灰度

rgb = imread（'Pears.png'）；i = rgb2gray（rgb）;imshow（i）文本（732,501，“图片由Corel（R）提供”，，，，...'字体大小'，7，'水平对齐'，，，，'right'）

步骤2：使用梯度幅度作为分割函数

Compute the gradient magnitude. The gradient is high at the borders of the objects and low (mostly) inside the objects.

gmag = imgradient（i）;imshow（gmag，[]）标题（“梯度幅度”）

您可以通过直接在梯度大小上使用流域转换来分割图像吗？

L =流域（GMAG）;lrgb = label2rgb（l）;imshow（lrgb）标题（'Watershed Transform of Gradient Magnitude'）

否。在下面使用分水岭变换的情况下，没有其他预处理（例如下面的标记计算）通常会导致“过度分割”。

步骤3：标记前景对象

可以在此处应用各种过程以找到前景标记，必须将其连接到每个前景对象内部的像素的斑点。在此示例中，您将使用称为“按重建开放”和“逐个构造”的形态技术来“清洁”图像。这些操作将在每个对象内部创建平坦的最大值，可以使用Imrigionalmax。

开口是一种侵蚀，随后是扩张，而逐个结构是侵蚀，然后是形态重建。让我们比较两者。首先，使用iMopen。

se = strel（'磁盘'，20）;io = iMopen（i，se）;imshow（io）标题（“开放”）

接下来使用imerodeandimreconstruct。

ie = imerode（i，se）;ioBr = imreconstruct（即，i）;imshow（iobr）标题（“按重建开放”）

开口后，闭合可以消除黑斑和茎标记。比较常规的形态闭合与逐个结构的结束。第一次尝试快到了：

ioc = imclose（io，se）;imshow（ioc）标题（“开放关闭”）

现在使用不断增加其次是imreconstruct。Notice you must complement the image inputs and output ofimreconstruct。

iobrd = imdilate（iobr，se）;iobrcbr = imreconstruct（imComplement（ioBRD），imComplement（ioBR））;iobrcbr = imcomplement（iobrcbr）;imshow（iobrcbr）标题（'Opening-Closing by Reconstruction'）

As you can see by comparingiobrcbr和Ioc，基于重建的开放和关闭比删除小瑕疵的标准开放和关闭更有效，而不会影响物体的整体形状。计算区域最大iobrcbr获得良好的前景标记。

fgm = imrigionalmax（iobrcbr）;imshow（FGM）标题（“重建开放关闭的区域最大值”）

为了帮助解释结果，将前景标记图像叠加在原始图像上。

i2 = labeloverlay（i，fgm）;imshow（i2）标题（'Regional Maxima Superimposed on Original Image'）

请注意，某些大多数封闭和阴影的对象没有标记，这意味着这些对象在最终结果中不会正确分割。同样，某些对象中的前景标记直至对象的边缘。这意味着您应该清洁标记斑点的边缘，然后将它们缩小一点。您可以通过结束，然后进行侵蚀来做到这一点。

se2 = strel（一个（5,5））;fgm2 = imclose（fgm，se2）;fgm3 = imerode（fgm2，se2）;

此过程倾向于留下一些必须删除的流浪隔离像素。您可以使用Bwareaopen，它消除了少于一定数量的像素的所有斑点。

fgm4 = bwareaopen(fgm3,20); I3 = labeloverlay(I,fgm4); imshow(I3) title(“修改的区域最大值叠加在原始图像上”）

步骤4：计算背景标记

Now you need to mark the background. In the cleaned-up image,iobrcbr，深色像素属于背景，因此您可以从阈值操作开始。

bw = imbinarize（iobrcbr）;imshow（bw）标题（“重建阈值开放式闭合”）

背景像素为黑色，但理想情况下，我们不希望背景标记太近我们试图分割的对象的边缘。我们将通过计算“影响区域的骨架”或Skiz的前景来“稀薄”背景BW。This can be done by computing the watershed transform of the distance transform ofBW，然后寻找流域山脊线（dl == 0结果。

D = bwdist (bw);DL =分水岭(D);bgm = DL = = 0;imshow(bgm) title(“分水岭线”）

步骤5：计算分割函数的流域变换。

The functionimimposemin可以用于修改图像，以便它仅在某些所需位置具有区域最小值。在这里您可以使用imimposemin为了修改梯度幅度图像，以使其唯一的区域最小值出现在前景和背景标记像素上。

gmag2 = imimposemin(gmag, bgm | fgm4);

最后，计算基于流域的细分。

L = watershed(gmag2);

步骤6：可视化结果

一种可视化技术是将原始图像上的前景标记，背景标记和分段对象边界叠加。您可以根据需要使用扩张来进行某些方面，例如对象边界，更明显。对象边界位于l == 0。将二进制前景标记和背景标记缩放到不同的整数值，以便分配不同的标签。

标签= imdilate（l == 0，一个（3,3）） + 2*bgm + 3*fgm4;i4 = labeloverlay（i，labels）;imshow（i4）标题（“标记和物体边界叠加在原始图像上”）

这种可视化说明了前景和背景标记的位置如何影响结果。在几个位置，由于封闭的物体没有前景标记，因此将部分遮挡的深色物体与更明亮的邻居对象合并。

Another useful visualization technique is to display the label matrix as a color image. Label matrices, such as those produced by分水岭andBwlabel，，，，can be converted to truecolor images for visualization purposes by usinglabel2rgb。

lrgb = label2rgb（l，'喷射'，，，，'W'，，，，“洗牌”）；imshow（lrgb）标题（“彩色流域标签矩阵”）

您可以使用透明度将此伪色标签矩阵叠加在原始强度图像之上。

图Imshow（i）保持onhimage = imshow（lrgb）;himage.alphadata = 0.3;标题（“彩色标签在原始图像上透明地叠加”）