圖像分割算法有分水嶺算法、斑點計數算法、霍夫圓/橢圓算法、輪廓檢測算法等。在本文中，本例使用了輪廓檢測和分水嶺算法。
第一步導入依賴
from __future__ import print_function
import numpy as np
import cv2
import matplotlib.pyplot as plt
from skimage import io
from skimage.morphology import watershed
from skimage.feature import peak_local_max
from scipy import ndimage
建立可視化圖像函數：
def show(img):
plt.imshow(img)
plt.show()
讀取圖像
#load
fp = "1.jpg"
img = cv2.imread(fp)
show(img)
print(img.shape)
對圖像進行預處理。步驟包括：
HSV，這是人眼感覺的顔色模型。
門檻值技術，通過標明的門檻值像素強度将圖像轉換為二值圖像（即隻有2個像素值（0或255））。
模糊圖像，以删除圖像中不必要的斑點。
#preprocessing the image
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
show(hsv)
現在我們使用輪廓檢測，在我們“模糊”的圖像中找到枸杞。為了去除小的和無關緊要的輪廓，我們隻選擇那些面積大于2000的輪廓(任意值，是超參數)。
contours, hierarchy = cv2.findContours(blur,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
copy2 = img.copy()
count = []
for x in contours:
area = cv2.contourArea(x)
if area > 2000 :
count.append(x)
cv2.drawContours(copy2, count, -1, (255,0,0), 3)
show(copy2)
print("number of lemons found via contour detection = ", len(count))
完整代碼：
h, s, v = cv2.split(hsv)
show(s)
_, thr = cv2.threshold(s, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
show(thr)
blur = cv2.medianBlur(thr, 5)
show(blur)
copy3 = img.copy()
D = ndimage.distance_transform_edt(thr)
localMax = peak_local_max(D, indices=False, min_distance=300,
labels=thr)
markers = ndimage.label(localMax, structure=np.ones((3, 3)))[0]
labels = watershed(-D, markers, mask=thr)
ws = len(np.unique(labels)) -1
copy3[labels == -1] = [255,0,0]
print("no. of lemons found via watershed algorithm = ", ws)
ans = int((len(count) + len(np.unique(labels)) -1) / 2)
print("number of lemon segments detected = ", ans)