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。

类型

形成

迁移现象

发生移动

典型例子

分水岭的分割方法

分水岭的计算过程

大脑分水岭

类型

按形态分为两类：对称和不对称分水岭。对称分水岭的分水线位于分水岭中央，两侧斜坡的坡踩、长度一致。不对称分水岭的分水线偏于分水岭的一侧，两侧斜坡不对称。在自然界中，对称分水岭极为罕见，广泛发育的是不对称分水岭。例如位于位于陕西西安境内的长江和黄河水系的分水岭就是一种对称分水岭。保护分水岭植被是流域开发重要组成部分。

形成

1、地质构造和岩性因素。在年轻的褶皱山区，剥蚀作用还没有完全改变原始的山形，不对称的褶皱两翼必然引起分水岭的不对称。在长期剥蚀区，岩性的差别或断层的影响，也常造成分水岭两侧的不对称。在单斜构造地区，单面山形成的分水岭经常是一坡陡、一坡缓。

2、相邻流域河流基准面位置的高低及其距分水岭的远近。它们直接决定着河流的比降，以及河流的侵蚀能力和山坡的剥蚀速度。一般地说，在分水岭与两侧河流基准面距离相等时，河流基准面位置低的一侧的河流侵蚀和山坡剥蚀能力都强于高的一侧，因而低侧山坡较陡，高侧山坡较缓。同样，在分水岭两侧的河流基准面高度相等时，则河流基准面距分水岭近的一侧坡度大，另一侧坡度小。此外，分水岭两侧降水不均也有影响。雨量多的一侧，河流流量大，地表径流丰富，河流的侵蚀作用或山坡的剥蚀作用都强于另一侧，因而地形较陡。

迁移现象

分水岭由侵蚀后退快的一侧移向侵蚀后退较缓的一侧的现象。多发生在不对称分水岭地区。随着时间的推移,侵蚀速度快的一侧，河流通过溯源侵蚀或侧向侵蚀率先伸入分水岭，使分水岭不断破坏和降低，同时将分水线移向坡度较缓、河流侵蚀能力较弱的一侧，导致分水岭位置的迁移。

分水岭迁移有3种情况：

1、平行河流间分水岭迁移，侵蚀能力大的河流通过侧向侵蚀将分水岭移向另一侧。

2、相背河流间分水岭迁移，两条流向相背河流间的分水岭迁移往往是通过溯源侵蚀方式进行的。

3、垂向河流间分水岭迁移，两条流向相互垂直河流间的分水岭迁移是溯源侵蚀和侧向侵蚀共同作用的结果。

发生移动

分水线随时间发生移动的分水岭，称为不稳定分水岭；分水线在相当长时期内不因河流侵蚀而发生移动的分水岭，称为稳定分水岭。一般地说，不稳定分水岭的形态显著，范围狭窄，且多受切割破坏，河流的溯源侵蚀已达分水线地带。稳定分水岭上则有一定宽度的平缓地面，离分水线相当距离处才有平行小沟进行侵蚀，沿小沟顶连线以上的分水岭地带为“无侵蚀带”。无侵蚀带的存在与否，是识别稳定分水岭与不稳定分水岭的重要标志。

分水岭迁移是在地质时间尺度上进行的，又称分水岭缓慢迁移。由于河流袭夺、河床加积或其他非河流因素（如冰川作用、风力作用、地壳运动），在短时间内引起河流改道导致分水岭的迁移，称为分水岭快速迁移。

典型例子

大分水岭是澳大利亚东部新南威尔七州以北山脉和高原的总称，位于新南威尔士州以北与海岸线大致平行，自约克角半岛至维多利亚州，绵延约 3 000公里，宽约 160公里～320公里。它的最高峰科修斯科山海拔2 230米，是全国的最高点。在此以西发源的河流注入卡奔塔利亚湾和印度洋，以东发源的河流注入太平洋的珊瑚海和塔斯曼海。

大分水岭南北走向，纵贯澳大利亚东部，它的北部处于热带气候区，中部处于副热带气候区，南部地处温带气候区。这绵长的大山系像一座天然屏障，挡住了太平洋吹来的暖湿空气，使山地东西两坡的降水量差别很大，生长的植物也迥然不同。东坡地势较陡，沿海有狭长平原，降水充分，生长着各种类型的森林。西坡地势缓斜，向西逐渐展开为中部平原，这里降水较少，长年干旱，呈现一片草原与矮小灌丛的景象。

大分水岭南段悉尼西郊的蓝山是一处著名的观光胜地。大分水岭的主峰科休斯科峰又称大雪山，这里有一处巨大的水利工程，被称为世界奇迹之一。大雪山水利工程就是建筑大小水坝，控制融化的雪水。在大雪山水利工程的施工范围内共建造了16座大小水坝，7所水利发电厂，为人类开创了变荒漠为绿洲的奇迹。

分水岭的分割方法

分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算过程

分水岭的计算过程是一个迭代标注过程。分水岭比较经典的计算方法是L. Vincent提出的。在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。

分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。显然，分水岭表示的是输入图像极大值点。因此，为得到图像的边缘信息，通常把梯度图像作为输入图像，即

g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5

式中，f(x,y)表示原始图像，grad{.}表示梯度运算。

分水岭算法对微弱边缘具有良好的响应，图像中的噪声、物体表面细微的灰度变化，都会产生过度分割的现象。但同时应当看出，分水岭算法对微弱边缘具有良好的响应，是得到封闭连续边缘的保证的。另外，分水岭算法所得到的封闭的集水盆，为分析图像的区域特征提供了可能。

为消除分水岭算法产生的过度分割，通常可以采用两种处理方法，一是利用先验知识去除无关边缘信息。二是修改梯度函数使得集水盆只响应想要探测的目标。

为降低分水岭算法产生的过度分割，通常要对梯度函数进行修改，一个简单的方法是对梯度图像进行阈值处理，以消除灰度的微小变化产生的过度分割。即

g(x,y)=max(grad(f(x,y)),gθ)

式中，gθ表示阈值。

程序可采用方法：用阈值限制梯度图像以达到消除灰度值的微小变化产生的过度分割，获得适量的区域，再对这些区域的边缘点的灰度级进行从低到高排序，然后在从低到高实现淹没的过程，梯度图像用Sobel算子计算获得。对梯度图像进行阈值处理时，选取合适的阈值对最终分割的图像有很大影响，因此阈值的选取是图像分割效果好坏的一个关键。缺点：实际图像中可能含有微弱的边缘，灰度变化的数值差别不是特别明显，选取阈值过大可能会消去这些微弱边缘。

大脑分水岭

脑分水岭是指脑内接受相邻的、较大的复数（2个或2个以上）动脉供血区域，这些区域通常为“两不管地带”，如果因疾病导致供应此区动脉同时发生管腔闭塞或狭窄，使灌注交界区发生供血不足，从而更容易发生局限性缺血而致脑梗死，临床上，称为分水岭梗死（cerebral watershed infarction CWI）。