分水岭计算是一种迭代的像素标注过程，起源于L. Vincent的经典算法。该过程包含两个核心步骤：排序与淹没。首先，对输入图像的每个像素灰度级进行从低到高的排序，形成基础数据。接着，通过淹没过程，对每一个局部灰度最小值，运用先进先出(FIFO)策略分析其在高度h的影响域，并进行标注。
分水岭变换的结果是集水盆图像，其中的边界点揭示了分水岭，这些边界点对应于原始图像中的极大值点。通常，为了获取边缘信息，我们会用梯度图像作为输入，通过计算梯度得到边缘特征，如：g(x,y) = sqrt([(f(x,y)-f(x-1,y))^2 + (f(x,y)-f(x,y-1))^2] / 2)，其中f(x,y)是原始图像，grad{.}表示梯度运算。
尽管分水岭算法在检测微弱边缘时表现出色，但噪声和灰度变化可能导致过度分割。为了改进，可以采用预设知识去除不相关边缘，或者调整梯度函数以限定响应的目标。例如，通过阈值处理梯度图像，如g(x,y) = max(grad(f(x,y)), gθ)，以消除微小灰度变化带来的过度分割。选取合适的阈值至关重要，它直接影响最终分割结果的质量，但阈值过高可能会丢失微弱边缘信息。
在实践中，采用的方法包括对梯度图像应用阈值限制，获得合适的区域，然后按照灰度级顺序进行淹没过程，同时使用Sobel算子计算梯度。不过，实际图像中可能存在微弱边缘，阈值选择的准确性对结果影响显著，需要谨慎处理。
分水岭是指分隔相邻两个流域的山岭或高地，河水从这里流向两个相反的方向。在自然界中，分水岭较多的是山岭、高原，但也可以是微缓起伏的平原或湖泊，甚至有的河流成为两个流域的分水岭，分水线是分水岭的脊线。它是相邻流域的界线，一般为分水岭最高点的连线。