分水岭分割利用图像形态学进行图像区域分割。它将图像灰度值看作一幅地形图，在地形图的局部极小值处与地形最低点是连通的，从最低点开始注水，水流会逐渐淹没地形较低点构成的区域，直到整个图像被淹没。在这个过程中，通过相关形态学处理，可以实现一幅图像的分水岭分割。
以下GIF图像给出了形象说明：
图像来自 https://www.cnblogs.com/mikewolf2002/p/3304118.html
分水岭分割具体算法思想如下：
1 设 
为地形图上完成分割后的 r 个蓄水池，
为完成分割后蓄水池 
内的像数集合，
为地形图上灰度值小于 n 的像数集合；
2 当水面上涨到 n 时，当前蓄水池 
被淹没的像数集合可表示为： 
，
当前所有蓄水池被淹没的像数集合表示为：
；
3 假设第 n 步时，
已知， 令 Q 表示 
集合构成的连通区域，通过考察 Q 上各个连通区域 q 与 
连通区域关系，分别进行如下处理：
1）
为空时，发现一个新的蓄水池 q，将 q 加入 
；
2）
不为空，但仅包含 
的一个连通分量，将 q 合并到 
中构成 
，蓄水池面积扩大，但数量保持不变；
3）
不为空，但包含 
的两个及两个以上连通分量，此时需要构造堤坝防止 
中蓄水池融合；
4 重复步骤3，直到 n = nmax + 1 时，
表示整个图像像数，分割完成，
各个连通区域即为分割的蓄水池区域，留下的堤坝则为分割边界。
以上为分水岭分割基本思想，图像的每个极小值点构成一个蓄水池的中心点。由于图像中存在较多极小值点，故一般图像分水岭分割可能得到很多小的区域。可以通过手动设定蓄水池位置来避免过多极小值影响，算法仅认为设定点为蓄水池中心点，从而忽略掉任意其他极小值点。
同时，可以首先对图像进行一阶微分处理，在图像平滑区域图像梯度值较小，在图像边缘区域梯度值较大。然后使用梯度图像作为地形图，可以分割出平滑图像块。
在 opencv 中，函数 cv::watershed() 实现了分水岭分割，该函数将图像边缘转换为地形图上的山脊，图像平滑区域转换为地形图上的山谷，同时使用 markers 参数标记蓄水池，实现分水岭分割，具体如下：
void cv::watershed(cv::InputArray image, cv::InputOutputArray markers);
image: 8位3通道图像，函数对图像进行一阶微分处理，视梯度图为地形图上的山脊与山谷；
markers: 32位有符号整数图像，使用 1，2，3... 等序号标记不同的蓄水池。当完成分割后，该图像形成最终蓄水池区域标记图像，其中，值 -1 表示区域边界。
以下给出 cv::watershed() 分析截图：
参数资料 医学图像处理与分析 罗述谦 周果宏
https://www.cnblogs.com/mikewolf2002/p/3304118.html