基于标记的分水岭分割算法能有效控制过分割现象的发生，该算法的标记包括内部标记和外部标记。其基本现象是通过引入标记来修正梯度图像，使得局部最小值仅出现在标记的位置，并设置阈值h来对像素值进行过滤，删除最小值深度小于阈值h的局部区域。 使用MATLAB开发基于分水岭分割进行肺癌诊断，代码无误，请放心下载

采用分水岭算法对米粒进行识别，对每一步都有解释，2017a运行；

本文首先研究了图像分割算法的分类以及常用图像分割算法的基本原理。然后针对小麦图像的特点，研究了在不同光照、背景和连接情况下使用的小麦图像分割方法，对各种分割算法进行了比较、结合和改进。重点研究了基于小波变换的分水岭算法和阈值分割算法在小麦图像分割中的应用，并借助MATLAB工具软件对选定图像进行处理，实现了对小麦粘连籽粒的分离。最后本文对图像分割技术进行了展望。

基于labview分水岭算法.vi

matlab分水岭算法的图像分割

为了解决煤泥浮选泡沫图像分割中传统分水岭算法的过分割问题,提出了一种基于自适应标记提取的改进分水岭算法。该方法首先对浮选泡沫图像进行高斯滤波,再运用基于形态学的扩展最大值技术从泡沫图像中自适应提取标记,利用标记对梯度图像进行修改,最后使用分水岭算法对修正后的梯度图像进行分割。试验结果表明,改进后的算法克服了标记提取需要先验知识、分割过程繁琐等问题,使参数选取更加合理,分割结果更加准确。

这是分水岭算法的纯C实现，针对8位灰度图做处理。结果和Matlab自带分水岭算法效果类似。

一种参数化的形态学分水岭图像分割方法

面向参数测量的改进分水岭浮选泡沫图像分割方法

骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。骨架提取，也叫二值图像细化。这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）函数和medial_axis（）函数。我们先来看Skeletonize（）函数。格式为：skimage.morphology.skeletonize(image)输入和输出都是一幅二值图像。例1：  生成一幅测试图像，上面有三个目标对象，分别进行骨架提取，结果如下：例2：利用系统自带的马图片进行骨架提取 medial_axis就是中