分水嶺算法主要用於圖像分段，通常是把一副彩色圖像灰度化，然后再求梯度圖，最后在梯度圖的基礎上進行分水嶺算法，求得分段圖像的邊緣線。
下面左邊的灰度圖，可以描述為右邊的地形圖，地形的高度是由灰度圖的灰度值決定，灰度為0對應地形圖的地面，灰度值最大的像素對應地形圖的最高點。
我們可以自己編程實現灰度圖的地形圖顯示，工程FirstOpenCV6就實現了簡單的這個功能，比如上邊的灰度圖，顯示為：
對灰度圖的地形學解釋，我們我們考慮三類點：
1. 局部最小值點，該點對應一個盆地的最低點，當我們在盆地里滴一滴水的時候，由於重力作用，水最終會匯聚到該點。注意：可能存在一個最小值面，該平面內的都是最小值點。
2. 盆地的其它位置點，該位置滴的水滴會匯聚到局部最小點。
3. 盆地的邊緣點，是該盆地和其它盆地交接點，在該點滴一滴水，會等概率的流向任何一個盆地。
假設我們在盆地的最小值點，打一個洞，然后往盆地里面注水，並阻止兩個盆地的水匯集，我們會在兩個盆地的水匯集的時刻，在交接的邊緣線上(也即分水嶺線)，建一個壩，來阻止兩個盆地的水匯集成一片水域。這樣圖像就被分成2個像素集，一個是注水盆地像素集，一個是分水嶺線像素集。
下面的gif圖很好的演示了分水嶺算法的效果：
在真實圖像中，由於噪聲點或者其它干擾因素的存在，使用分水嶺算法常常存在過度分割的現象，這是因為很多很小的局部極值點的存在，比如下面的圖像，這樣的分割效果是毫無用處的。
為了解決過度分割的問題，可以使用基於標記(mark)圖像的分水嶺算法，就是通過先驗知識，來指導分水嶺算法，以便獲得更好的圖像分段效果。通常的mark圖像，都是在某個區域定義了一些灰度層級，在這個區域的洪水淹沒過程中，水平面都是從定義的高度開始的，這樣可以避免一些很小的噪聲極值區域的分割。
下面的gif圖很好的演示了基於mark的分水嶺算法過程：
上面的過度分段圖像，我們通過指定mark區域，可以得到很好的分段效果：
