主要使用了分水岭算法(Watershed Algorithm)进行图像分割。
Demo：https://huggingface.co/spaces/YoungEWBOK/Screw-Cap-Tube ，使用gradio部署，需要科学上网。
(为的是实现小瓶子的计数，一共分成了3个py文件，BottleDetectUI.py是带UI界面的，另外两个会把mask等都显示出来，方便查看，当然也可以根据需要，调整为只显示result)
BottleDetect_MobileSAM.py是利用预训练模型做的，权重等文件下载：https://github.com/ChaoningZhang/MobileSAM ，由于没有微调(对于简单情况够用)，针对粘连情况的效果不好，UI界面见下图。
检测的准确率仍然有待改进，因此深度学习方法或许是解决的最佳手段。
用到的方法：
- 边缘保留滤波 (Edge Preserving Filtering)：
使用
cv2.pyrMeanShiftFiltering进行去噪，同时保留边缘信息。 - 二值化 (Binarization)：
使用 Otsu's 方法 (
cv2.THRESH_OTSU) 自动确定阈值，将图像转换为二值图像。 - 距离变换 (Distance Transform)：
使用
cv2.distanceTransform计算二值图像中每个像素到最近的背景像素的距离。 - 连通区域标记 (Connected Components Labeling)：
使用
cv2.connectedComponents标记图像中的连通区域。 - 形态学操作 (Morphological Operations)：
使用
cv2.morphologyEx进行膨胀操作，用于确定未知区域。 - 分水岭算法 (Watershed Algorithm)：
使用
cv2.watershed进行图像分割。这是程序的核心算法，用于分离粘连的对象。 - 轮廓检测 (Contour Detection)：
使用
cv2.findContours检测分割后的每个对象的轮廓。 - 面积计算 (Area Calculation)：
使用
cv2.contourArea计算每个轮廓的面积。 - 图像矩计算 (Image Moments)：
使用
cv2.moments计算轮廓的矩，用于找到轮廓的中心点。 - 中值滤波 (Median Filtering)：
使用
np.median计算面积的中位数，用于设定面积阈值。 - 图像叠加 (Image Blending)：
使用
cv2.addWeighted将原图和标记后的图像进行叠加。 - 图像缩放 (Image Resizing)：
使用
cv2.resize调整最终结果图像的大小。