opencv::基于距离变换与分水岭的图像分割

什么是图像分割
    图像分割(Image Segmentation)是图像处理最重要的处理手段之一
    图像分割的目标是将图像中像素根据一定的规则分为若干(N)个cluster集合，每个集合包含一类像素。
    根据算法分为监督学习方法和无监督学习方法，图像分割的算法多数都是无监督学习方法 - KMeans


距离变换常见算法有两种
    - 不断膨胀/腐蚀得到
    - 基于倒角距离

分水岭变换常见的算法
    - 基于浸泡理论实现 

cv::distanceTransform(
    InputArray  src, 
    OutputArray dst,  
    OutputArray  labels,  //离散维诺图输出
    int  distanceType,    // DIST_L1/DIST_L2,
    int maskSize,            // 3x3,最新的支持5x5，推荐3x3、
    int labelType=DIST_LABEL_CCOMP //dst输出8位或者32位的浮点数，单一通道，大小与输入图像一致
)

cv::watershed(
    InputArray image, 
    InputOutputArray  markers
)

处理流程
    1. 将白色背景变成黑色-目的是为后面的变换做准备
    2. 使用filter2D与拉普拉斯算子实现图像对比度提高，sharp
    3. 转为二值图像通过threshold
    4. 距离变换
    5. 对距离变换结果进行归一化到[0~1]之间
    6. 使用阈值，再次二值化，得到标记
    7. 腐蚀得到每个Peak - erode
    8. 发现轮廓 – findContours
    9. 绘制轮廓- drawContours
    10. 分水岭变换 watershed
    11. 对每个分割区域着色输出结果