分水岭算法（Watershed Algorithm）是一种图像分割算法，可以用于检测物体的区域。以下是使用OpenCV库实现分水岭算法检测物体区域的代码示例：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg')

# 转换为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 阈值分割
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

# 噪声去除
kernel = np.ones((3,3), np.uint8)
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

# 膨胀操作
sure_bg = cv2.dilate(opening, kernel, iterations=3)

# 距离变换
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)
ret, sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0)

# 获取未知区域
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

# 标记分水岭区域
ret, markers = cv2.connectedComponents(sure_fg)
markers = markers + 1
markers[unknown==255] = 0

# 应用分水岭算法
markers = cv2.watershed(image, markers)
image[markers == -1] = [0, 0, 255]  # 标记边界

# 显示结果
cv2.imshow('Segmented Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码示例中，首先将图像转换为灰度图，并进行阈值分割。然后使用形态学操作去除噪声，并通过膨胀操作得到背景区域。接下来，利用距离变换得到前景区域，并获取未知区域。通过标记连通组件和应用分水岭算法，将图像中的物体区域标记为不同的区域。最后，将边界标记为红色，并显示分割后的图像结果。

请注意，上述代码示例中的image.jpg是示例图像的文件名，需要根据实际情况进行替换。