opencv的watershed函数需输入标记图像（cv_32sc1），0为待分割区，正整数为前景种子，-1为分水岭线；必须先用distancetransform+threshold+connectedcomponents生成可靠种子，并预处理去噪。
分水岭算法在OpenCV里叫 watershed，但直接调用必失败
OpenCV的 watershed 函数本身不自动找“种子点”，它只做泛洪模拟——输入必须是带标记的掩膜（markers），且标记值只能是非负整数：0 表示待分割区域（不确定区），正整数表示确定的前景种子（每个数字对应一个目标）。传入普通灰度图或二值图会触发 CV_StsBadArg 错误，典型报错是：Assertion failed (markers.type() == CV_32SC1)。
所以第一步永远不是调 watershed，而是准备 markers。常见做法是：先做阈值+形态学去噪，再用 connectedComponents 找出确定背景和前景区域，最后用 cv::watershed 填充中间模糊带。
-
markers必须是CV_32SC1类型（32位有符号整型单通道），用convertScaleAbs或直接Mat::zeros(..., CV_32SC1)初始化 - 背景标记通常设为
1，前景对象从2开始编号，0留给待决策像素（不能跳号） - 如果输入图像有噪声，
watershed会严重过分割——务必先对原图做cv::GaussianBlur或cv::medianBlur
如何生成可靠种子：用 distanceTransform + threshold 提取前景核
对二值前景图（比如阈值后的物体区域）调用 distanceTransform，能算出每个前景像素到最近背景边界的距离。这个距离图的峰值位置，就是最“稳固”的前景中心，适合作为种子。
实操中常用组合：distanceTransform → 归一化 → threshold(..., ..., 0.7, 255, THRESH_BINARY) 得到前景核掩膜，再用 connectedComponents 给每个核分配唯一标签，最后写入 markers 矩阵。
-
distanceTransform输入必须是CV_8UC1且前景为 255、背景为 0；反了会全黑 - 阈值选 0.7 是经验值，太低导致种子过多（过分割），太高则种子太少（欠分割）
- 得到的连通组件标签从
1开始，需整体加1才能作为前景标记（因为0是待分割区，1要留给背景）
watershed 输出的 markers 是什么格式？怎么可视化？
调用完 cv::watershed(src, markers) 后，markers 矩阵就地被修改：每个像素值变成它归属的区域ID（仍是 CV_32SC1）。ID = -1 表示分水岭线（即分割边界），正数 ID 对应各个分割区域。
想看效果，不能直接显示 markers（全是小整数，肉眼不可见）。要转成伪彩色：Mat mark_display; markers.convertScaleAbs(mark_display); 再归一化或查表着色。更实用的是提取边界：mark_display.setTo(255, markers == -1)，这样就把分水岭线画成白色了。
- 别用
imshow("markers", markers)直接看——全黑或一片灰，毫无信息 -
markers == -1返回的是CV_8UC1掩膜，可直接用于后续轮廓提取或掩膜叠加 - 若结果里出现大量孤立
-1像素，说明种子太稀疏或图像噪声未滤净
为什么分割结果边缘毛糙或粘连？检查这三点
分水岭对初始种子和梯度图极度敏感。毛刺、断裂、粘连通常不是算法问题，而是预处理链路断了。
- 原图没做
cv::GaussianBlur：高频噪声会变成虚假“山谷”，导致过度分裂 - 二值化用了
THRESH_BINARY硬阈值：建议改用THRESH_OTSU或自适应阈值adaptiveThreshold - 前景核太小或太靠近边界：用
cv::dilate对前景核掩膜轻微膨胀（1–2次），再做connectedComponents，能避免种子被裁掉
真正难的不是调通 watershed，而是让种子落在该落的地方——这取决于你对目标形状、对比度、噪声水平的理解，而不是参数调优。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
