区域生长算法

区域生长算法

在进行图像分割的时候，我们往往会选择‘’颜色识别‘’，亦或者是‘’边缘识别’‘。然而它们都有个很大的缺陷，那就是不能保留细小的结构，而且容易受外界干扰，往往对阈值的选择苛刻，因此我们将介绍区域生长算法。这一算法可以有效规避这些问题。

先给出区域生长算法的基本框架：

void regionGrowing(Mat& image, Mat& segmented, int seedX, int seedY, int threshold)
{
    // 初始化标记矩阵，用于记录已分割的像素
    Mat result = Mat::zeros(image.size(), CV_8U);

    // 生长队列，用于存储待生长的像素坐标
    stack<Point> points;
    points.push(Point(x, y));

    // 区域生长
    while (!points.empty())
    {
        Point current = points.top(); 
        points.pop();

        // 对当前像素的相邻像素进行生长判断
        for (int i = -1; i <= 1; i++)
        {
            for (int j = -1; j <= 1; j++)
            {
                int X = current.x + i;
                int Y = current.y + j;

                // 检查像素是否在图像范围内
                if (X >= 0 && X < image.cols && Y >= 0 && Y < image.rows)
                {
                    // 检查像素是否符合生长条件
                    if (abs(image.at<uchar>(newY, newX) - image.at<uchar(currentPoint)) < threshold)
                    {
                        // 将符合条件的像素加入生长队列
                        points.push(Point(x, y));
                    }
                }
            }
        }
    }
}

解释一下它是如何运作的

区域生长算法会从种子点开始，检查种子点周围的像素，并根据一定的条件确定是否将这些像素加入到待处理的队列中。然后，算法会逐步处理队列中的像素点，继续探索周围的像素，并根据条件不断扩展区域范围，直到整个区域被完全探索并标记。

想象一下，这就像是种下一颗种子，然后它逐渐生长成完整的形状，这就是区域生长的形象表现。

其中先创建一个存储Point类型元素的栈points，用于存储待处理的像素点，

stack<Point> points;

然后利用

points.push(Point(x, y));

将x，y作为Point中第一个压入栈中的，根据‘’脱鞋定理‘’（bushi），这个点也因此成为第一个处理的点，也就是所谓的种子点。

前提布置好后，准备开始生长。至于如何生长，这就是需要

1. 生长的条件
2. 生长的点与种子点的关系
3. 是否已生长完的检测
4. 对生长点的操作

也就是我们之前给出的基本框架

1.Point current = points.top(); points.pop();

从栈中取出一个像素点作为当前处理点，并将其从栈中移除。也就是 用一，取一，去一。

2.result.at<uchar>(y, x) = 255; points.push(Point(x, y));

​ 将当前像素标记为已访问，并将其加入栈中以便后续处理。at<uchar>这是访问像素点的方法之一。当然对像素点的处理具体问题具体分析。

3while (!points.empty()){ }用来判断是否生长完&保持生长

以上就是对区域生长的基本解释说明