OpenCV中实现分水岭算法的函数是cv::watershed()，它要求输入8位三通道原图和32位单通道标记图（CV_32S），标记图中正整数表示已知区域、0表示待分割区域、输出中-1代表分割边界。
分水岭算法在OpenCV中对应哪个函数
OpenCV里实现分水岭的是 watershed() 函数，但它**不直接接受原始图像**，而是要求输入一个带有「标记」的32位整数图像（CV_32S），每个标记区域用不同正整数编号，0 表示“未知区域”，负数或 0 都会被视为待分割的背景/未标记区域。很多人卡在这一步：直接把灰度图或二值图喂给 watershed()，结果报错 CV_Error( -215:Assertion failed) !markers.empty() && markers.type() == CV_32S。
正确流程是：先做预处理 → 得到前景（细胞）和背景的粗略估计 → 用 connectedComponents() 或 distanceTransform() + threshold() 生成初始标记 → 再调用 watershed()。
为什么细胞图像必须做距离变换+阈值才能得到可靠标记
显微图像中细胞常紧密粘连，二值化后连成一片，直接找连通域会把多个细胞当做一个。这时靠 distanceTransform() 把每个前景像素替换成到最近背景像素的距离值，再对距离图做阈值（比如取最大值的 0.7 倍），就能在粘连区域中心“挖出”一个个孤立的种子点——这些点就是后续 watershed() 的可靠标记源。
常见错误是跳过这步，直接用 findContours() + drawContours() 给每个轮廓填一个 ID 当标记，结果分水岭线全乱跑，甚至把单个细胞切成几块。
立即学习“C++免费学习笔记（深入）”；
-
distanceTransform()输入必须是二值图（CV_8UC1），且前景为 255、背景为 0 - 阈值太低 → 种子点太少 → 过分割不足；太高 → 种子点重叠或溢出 → 欠分割
- 建议用
cv::DIST_L2+cv::DIST_MASK_PRECISE，精度比默认 mask 更稳
如何避免 watershed() 输出全是 -1 的无效标签
watershed() 返回后，如果所有像素值都是 -1，说明输入标记图完全没起作用——最常见原因是标记图没按要求设成 CV_32S 类型，或者标记值用了 0 和负数以外的数但没覆盖足够前景区域。
实操检查点：
- 调用前确认标记图类型：
markers.type() == CV_32S，不是CV_8U或CV_32F - 确保至少有两个不同正整数标记（比如 1 表示背景种子，2 表示第一个细胞种子），不能全为 0
- 原始图必须是
CV_8UC3彩色图或CV_8UC1灰度图；传CV_32F会静默失败 - 标记图尺寸必须和原图完全一致，宽高一个像素都不能差
计数时怎么从 watershed 输出中准确提取单个细胞区域
watershed() 完成后，输出标记图里每个正整数（≥1）代表一个分割区域，但其中 1 通常是人为设置的背景标记，真正细胞区域从 2 开始编号。计数不是简单统计非零像素数，而是统计标记值 ≥2 的连通域个数。
更稳妥的做法是：对 watershed() 输出做 connectedComponents()（注意此时输入已是标记图，不是原图），然后过滤掉 label == 0 和 label == 1 的区域，剩下的 component 数就是细胞数。
容易被忽略的一点：某些细胞边缘可能被分水岭线切得极细，导致对应标记区域像素数极少（比如 stats[i][cv::CC_STAT_AREA] > 50 的组件。
