使用紧凑分水岭查找常规段

分水岭变换通常被用作许多分割算法的起点。然而，如果没有明智地选择种子，它可能会产生非常不均匀的片段大小，这在下游分析中可能难以处理。

通过倾向于选择靠近被考虑像素的种子，*紧凑*分水岭变换解决了这个问题。

这两种算法都在 skimage.segmentation.watershed() 函数中实现。要使用紧凑形式，只需传递一个大于 0 的 compactness 值。

import numpy as np
from skimage import data, util, filters, color
from skimage.segmentation import watershed
import matplotlib.pyplot as plt

coins = data.coins()
edges = filters.sobel(coins)

grid = util.regular_grid(coins.shape, n_points=468)

seeds = np.zeros(coins.shape, dtype=int)
seeds[grid] = np.arange(seeds[grid].size).reshape(seeds[grid].shape) + 1

w0 = watershed(edges, seeds)
w1 = watershed(edges, seeds, compactness=0.01)

fig, (ax0, ax1) = plt.subplots(1, 2)

ax0.imshow(color.label2rgb(w0, coins, bg_label=-1))
ax0.set_title('Classical watershed')

ax1.imshow(color.label2rgb(w1, coins, bg_label=-1))
ax1.set_title('Compact watershed')

plt.show()