区域生长算法

最新推荐文章于 2023-07-19 22:44:37 发布

XianenZhou

最新推荐文章于 2023-07-19 22:44:37 发布

阅读量1.7k

点赞数

分类专栏：图像处理文章标签：图像处理

图像处理专栏收录该内容

23 篇文章 2 订阅

订阅专栏

图像分割是一种重要的图像处理技术，而区域生长是图像分割技术的一种。区域生长的基本思想是将具有相似性的像素集合起来构成区域。首先对每个需要分割的区域找出一个种子像素作为生长的七点，然后将种子像素周围邻域中与种子有相同或相似性质的像素（根据事先确定的生长或相似准则来确定）合并到种子像素所在的区域中。而新的像素继续作为种子向四周生长，直到再没有满足条件的像素可以包括进来，一个区域就生长而成了。

种子区域生长（region seeds growing, RSG）算法在实践中关键的问题是种子的选取和相似区域判定准则的确定。种子的选择可以人工选择，也可以通过一些方法自动选取；灰度图的判定准则一般用灰度差值小于某个阈值来表示，不同的判定准则可能会产生不同的分割结果。

为了说明区域是如何生长的，本文从最简单的情况出发：使用二值图像；人工选取种子；判定准则为是否是前景像素。

区域生长实现的步骤如下:
1. 对图像顺序扫描!找到第1个还没有归属的像素, 设该像素为(x0, y0);
2. 以(x0, y0)为中心, 考虑(x0, y0)的8邻域像素(x, y)如果(x0, y0)满足生长准则, 将(x, y)与(x0, y0)合并(在同一区域内), 同时将(x, y)压入堆栈;
3. 从堆栈中取出一个像素, 把它当作(x0, y0)返回到步骤2;
4. 当堆栈为空时!返回到步骤1;
5. 重复步骤1 - 4直到图像中的每个点都有归属时。生长结束。

[cpp] view plain copy

print ?

#include <iostream>
#include <stack>
#include <opencv2\opencv.hpp>
using namespace std;
using namespace cv;
// 8 邻域
static Point connects[8] = { Point(-1, -1), Point(0, -1), Point(1, -1), Point(1, 0), Point(1, 1), Point(0, 1), Point(-1, 1), Point(-1, 0)};
int main()
{
// 原图
Mat src = imread(”img2.jpg”, 0);
// 结果图
Mat res = Mat::zeros(src.rows, src.cols, CV_8U);
// 用于标记是否遍历过某点
Mat flagMat;
res.copyTo(flagMat);
// 二值图像
Mat bin;
threshold(src, bin, 80, 255, CV_THRESH_BINARY);
// 初始3个种子点
stack<Point> seeds;
seeds.push(Point(0, 0));
seeds.push(Point(186, 166));
seeds.push(Point(327, 43));
res.at<uchar>(0, 0) = 255;
res.at<uchar>(166, 186) = 255;
res.at<uchar>(43, 327) = 255;
while (!seeds.empty())
{
Point seed = seeds.top();
seeds.pop();
// 标记为已遍历过的点
flagMat.at<uchar>(seed.y, seed.x) = 1;
// 遍历8邻域
for (size_t i = 0; i < 8; i++)
{
int tmpx = seed.x + connects[i].x;
int tmpy = seed.y + connects[i].y;
if (tmpx < 0 || tmpy < 0 || tmpx >= src.cols || tmpy >= src.rows)
continue;
// 前景点且没有被标记过的点
if (bin.at<uchar>(tmpy, tmpx) != 0 && flagMat.at<uchar>(tmpy, tmpx) == 0)
{
res.at<uchar>(tmpy, tmpx) = 255; // 生长
flagMat.at<uchar>(tmpy, tmpx) = 1; // 标记
seeds.push(Point(tmpx, tmpy)); // 种子压栈
}
}
}
imshow(”RES”,res);
imwrite(”res.jpg”, res);
waitKey(0);
return 1;
}

#include <iostream>

#include <stack> #include <opencv2\opencv.hpp> using namespace std; using namespace cv; // 8 邻域 static Point connects[8] = { Point(-1, -1), Point(0, -1), Point(1, -1), Point(1, 0), Point(1, 1), Point(0, 1), Point(-1, 1), Point(-1, 0)}; int main() { // 原图 Mat src = imread("img2.jpg", 0); // 结果图 Mat res = Mat::zeros(src.rows, src.cols, CV_8U); // 用于标记是否遍历过某点 Mat flagMat; res.copyTo(flagMat); // 二值图像 Mat bin; threshold(src, bin, 80, 255, CV_THRESH_BINARY); // 初始3个种子点 stack<Point> seeds; seeds.push(Point(0, 0)); seeds.push(Point(186, 166)); seeds.push(Point(327, 43)); res.at<uchar>(0, 0) = 255; res.at<uchar>(166, 186) = 255; res.at<uchar>(43, 327) = 255; while (!seeds.empty()) { Point seed = seeds.top(); seeds.pop(); // 标记为已遍历过的点 flagMat.at<uchar>(seed.y, seed.x) = 1; // 遍历8邻域 for (size_t i = 0; i < 8; i++) { int tmpx = seed.x + connects[i].x; int tmpy = seed.y + connects[i].y; if (tmpx < 0 || tmpy < 0 || tmpx >= src.cols || tmpy >= src.rows) continue; // 前景点且没有被标记过的点 if (bin.at<uchar>(tmpy, tmpx) != 0 && flagMat.at<uchar>(tmpy, tmpx) == 0) { res.at<uchar>(tmpy, tmpx) = 255; // 生长 flagMat.at<uchar>(tmpy, tmpx) = 1; // 标记 seeds.push(Point(tmpx, tmpy)); // 种子压栈 } } } imshow("RES",res); imwrite("res.jpg", res); waitKey(0); return 1; }

原图：

上面的代码通过人工选择了三个种子，它们在原图中的大致位置如下（红色十字中心）：