本文主要是介绍灰度图像--图像分割 区域分割之分水岭算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
学习DIP第60天
转载请标明本文出处：http://blog.csdn.net/tonyshengtan ，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro
更多图像处理机器学习内容请访问最新网站www.face2ai.com
#开篇废话
今天已经是第60篇博客了，这六十篇每一篇平均要两天左右，所以，在过去的四个月学到了这么多知识，想想挺开心，但学的越多就会发现自己不会的越多。从小学到大学，这么多年一直以学习为主要工作但学习又有很多阶段，对于通用知识，比如小学的语文数学此观点不适用，对于一些专业性较强的知识，感觉会有两个很主要的阶段，感觉自己目前处于入门阶段，由于数字图像涉及数学的知识较多，还有信号和信息论的知识，所以，感觉还是比较难学科，不然招聘公司也不会一年几十万的养着图像处理工程师。
下面的图是本人的一点点见解，只是自己总结的，没有实践，也没有科学依据，不喜勿喷：
我感觉图像处理能分成三个阶段，或者更多，第一阶段的人很多，听说这行前景好或者工资高的人，多半会学习点图像的知识，比如彩色空间啊，了解下OpenCV啊等等，还有一些属于纯属上课被逼无奈的，比如我们学校就对电子信息类专业和通信类开数字图像处理这门课，而且我当时考试还挂了。。。。这部分大家会接触一些名词，一些简单算法，有用心的同学可能会实现下代码，这阶段风景不错，而且好多名词可以拿来忽悠HR或者忽悠导师，得到一份不错的工作，或者做点导师的项目。
这个阶段多半使用现成的函数库，了解了基本算法或者听别人说一些算法，自己来跑结果，这个阶段Matlab的用户量较大。
第1阶段后半期也就是平台期，这个阶段是做了一段时间有一定算法使用基础和代码能力的工程师，多半在各企业负责最底层的图像算法编写，在他们面前是一座大山，和一个路口，继续做图像还是转管理。
如果继续选择图像，就会面临一个峭壁，具体是算法底层的数学，说的数学，总是困难的，爬这个峭壁的动力可以是挣更多的钱，或者爱好，因为一旦到达阶段2，就能成为首席图像处理工程师，到任何需要图像处理的公司，都能够独当一面，这些人已经到了不缺钱的地步，而且在行业内一定有一定名气。
第二阶段的一旦到达，可以说是事业的平稳期，或者巅峰，不缺钱，还能独自决定一些技术层面上的事，指挥手下阶段1的员工工作，这个阶段面临的也是一个选择，就是靠这个吃一辈子饭，绝对没问题，再有就是向更高的境界冲击。
第三阶段没有尽头，因为能促使进入阶段三的动力只有爱好，这部分挣的钱可能没有阶段2挣的多，而且难度更大，看不到尽头，所以这部分属于探索阶段，在这个阶段上看到的一些，都能推动未来学科的发展，所以这个阶段的人多半是在实验室和数学中忙碌一生，然后几十年后出现在各大论文和教材中。
以上属于个人猜想或者愚见，想法幼稚，仅供参考。
#算法描述
今天废话太多了，哈哈，其实上面的可以新开一篇博客单独写出来，但觉得，首先自己年轻视野狭窄，第二水平太低，所以当做废话夹在本文中。
内容迁移至：http://www.face2ai.com/DIP-7-10-灰度图像-图像分割-区域分割之分水岭算法/
http://www.tony4ai.com/DIP-7-10-灰度图像-图像分割-区域分割之分水岭算法/
这篇关于灰度图像--图像分割 区域分割之分水岭算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
