区域生长影像分割算法

---

影像分割

---

区域生长及其实现

区域生长是根据事先定义的准则将像素或者子区域聚合城更大区域的过程。 其基本思想 是从一组生长点开始（生长点可以是单个像素， 也可以为某个小区域），将与该生长点性质相 似的相邻像素或者区域与生长点合井， 形成新的生长点， 重复此过程直到不能生长为止。 生 长点和相邻区域的相似性判据可以是灰度值、 纹理、 颜色等多种图像信息。

区域生长算法
区域生长一般有3个步骤。
(1) 选择合适的生长点。
(2) 确定相似性准则即生长准则
(3) 确定生长停止条件。
一般来说， 在无像素或者区域不满足加入生长区域的条件时， 区域生长就会停止。

function Image1 = myregionGrow(Image)
[m,n,band]=size(Image);
Image=double(Image);
[y,x]=getpts; 
T=6;%设置阈值,这个根据需要改变
L=3;
Point=[x;y];%选择的点
Point=reshape(Point,size(Point,1)/2,2);%重塑矩阵，方便获取坐标
[M,~]=size(Point);%获取行数，作为序号
Image1=zeros(m,n,band);
for i=1:M %对所获取的坐标点分别生成起始种子
    x=Point(i,1);%获取种子的x坐标，y坐标
    y=Point(i,2);
    k=i*255/M;%给和种子相似的区域赋值指定的值
    newseed=[x,y];
    while(size(newseed,1)>0)
        t=[];%临时变量存储新生长的部分
        for p=1:size(newseed,1)%对当前种子进行循环遍历
            x=round(newseed(p,1));%获取x坐标
            y=round(newseed(p,2));%获取y坐标
            %搜索种子周围25个点
           if( x>L && x<=m-L && y>L && y<=n-L)%判断是否超过图像边界
                for u = -L:L
                   for v = -L:L
                       X = x + u; Y = y + v;
                       if band==3
                           R=Image(X,Y,1);r=Image(x,y,1);
                           G=Image(X,Y,2);g=Image(x,y,2);
                           B=Image(X,Y,3);b=Image(x,y,3); 
                           if(abs(R-r)<=T&&abs(G-g)<=T&&abs(B-b)<=T && Image1(X,Y)==0)
                              for s=1:3
                              Image1(X,Y,s) = k;%给满足条件的点做上标记，特定灰度值
%                           Image1(X,Y,s)=Image(X,Y,s);%保存原来颜色
                              end
                               t=[t;X,Y];%新坐标增加到临时变量中
                           end
                       elseif band==1
                           if( X>1 && X<m && Y>1 && Y<n && abs(Image(X,Y,1)-Image(x,y,1))<=T && Image1(X,Y)==0)
                               Image1(X,Y) = k;%给满足条件的点做上标记，特定灰度值
                               t=[t;X,Y];%新坐标增加到临时变量中
                           end
                       end
                   end
                end
           end
        end
        newseed=t;%新生长区域作为新种子
    end
end
end

滑坡影像测试：（图中米字型标点为选择的点）

测试结果：（黑色为背景色，根据代码给图像赋值具有区分度的灰度值，当然也可以保留原有颜色）

原图：

处理后赋值色彩：

处理后赋值灰度：

可以看出，最后分割结果可能与设置的阈值和搜索距离有关，当距离或者阈值太大可能导致合并现象，及多种目标合并成为一种。

参考文献：数字图像处理与机器视觉visual C++与matlab实现
和CSDN上各种文章