OpenCV - 区域生长算法


1、理论基础

      区域生长算法的基本思想是将有相似性质的像素点合并到一起。对每一个区域要先指定一个种子点作为生长的起点,然后将种子点周围领域的像素点和种子点进行对比,将具有相似性质的点合并起来继续向外生长,直到没有满足条件的像素被包括进来为止。这样一个区域的生长就完成了。这个过程中有几个关键的问题:

a> 给定种子点(种子点如何选取?)

      种子点的选取很多时候都采用人工交互的方法实现,也有用其他方式的,比如寻找物体并提取物体内部点作为种子点。

b> 确定在生长过程中能将相邻像素包括进来的准则

     灰度图像的差值;彩色图像的颜色等等。都是关于像素与像素间的关系描述。

c> 生长的停止条件

    

2、灰度差值的区域生长算法实现

算法实现的步骤:
a>  创建一个空白的图像(全黑);
b> 将种子点存入vector中,vector中存储待生长的种子点;
c> 依次弹出种子点并判断种子点如周围8领域的关系(生长规则),相似的点则作为下次生长的种子点;
d> vector中不存在种子点后就停止生长。



/***************************************************************************************
Function:  区域生长算法
Input:     src 待处理原图像 pt 初始生长点 th 生长的阈值条件
Output:    肺实质的所在的区域 实质区是白色,其他区域是黑色
Description: 生长结果区域标记为白色(255),背景色为黑色(0)
Return:    Mat
Others:    NULL
***************************************************************************************/
Mat RegionGrow(Mat src, Point2i pt, int th)
{
	Point2i ptGrowing;						//待生长点位置
	int nGrowLable = 0;								//标记是否生长过
	int nSrcValue = 0;								//生长起点灰度值
	int nCurValue = 0;								//当前生长点灰度值
	Mat matDst = Mat::zeros(src.size(), CV_8UC1);	//创建一个空白区域,填充为黑色
	//生长方向顺序数据
	int DIR[8][2] = {{-1,-1}, {0,-1}, {1,-1}, {1,0}, {1,1}, {0,1}, {-1,1}, {-1,0}};  
	Vector<Point2i> vcGrowPt;						//生长点栈
	vcGrowPt.push_back(pt);							//将生长点压入栈中
	matDst.at<uchar>(pt.y, pt.x) = 255;				//标记生长点
	nSrcValue = src.at<uchar>(pt.y, pt.x);			//记录生长点的灰度值
	
	while (!vcGrowPt.empty())						//生长栈不为空则生长
	{
		pt = vcGrowPt.back();						//取出一个生长点
		vcGrowPt.pop_back();						

		//分别对八个方向上的点进行生长
		for (int i = 0; i<9; ++i)
		{
			ptGrowing.x = pt.x + DIR[i][0];		
			ptGrowing.y = pt.y + DIR[i][1]; 
			//检查是否是边缘点
			if (ptGrowing.x < 0 || ptGrowing.y < 0 || ptGrowing.x > (src.cols-1) || (ptGrowing.y > src.rows -1))
				continue;

			nGrowLable = matDst.at<uchar>(ptGrowing.y, ptGrowing.x);		//当前待生长点的灰度值

			if (nGrowLable == 0)					//如果标记点还没有被生长
			{
				nCurValue = src.at<uchar>(ptGrowing.y, ptGrowing.x);			
				if (abs(nSrcValue - nCurValue) < th)					//在阈值范围内则生长
				{
					matDst.at<uchar>(ptGrowing.y, ptGrowing.x) = 255;		//标记为白色
					vcGrowPt.push_back(ptGrowing);					//将下一个生长点压入栈中
				}
			}
		}
	}
	return matDst.clone();
}


3、算法效果


贴图看看使用该算法的图像处理效果:

首先对原图像进行二值化:




得到种子点的方法这里就不用介绍了,这个不是该算法的重点。得到两个种子点(左右肺),分别使用区域生长算法得到左右肺区,然后与原图进行与运算,得到结果:




完整代码不便于贴出,虽然都是个人工作,毕竟这是公司的项目。


To:博乐评论中提到的原始区域生长的算法思想。原始区域生长中一般有四领域的生长和八领域的生长两种方式,基本思想和该算法是一致的。这个算法也是博主在以前没有使用opencv的程序中修改得来的。






  • 21
    点赞
  • 99
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 56
    评论
以下是使用OpenCV中的区域生长算法进行图像分割的示例代码: ```python import cv2 # 定义区域生长函数 def region_growing(img, seed): # 获取图像的高度和宽度 height, width = img.shape # 定义8邻域 neighborhood = [(i, j) for i in range(-1, 2) for j in range(-1, 2) if not i == j == 0] # 创建一个mask,初始化为0 mask = np.zeros((height, width), np.uint8) # 将种子点设为白色 mask[seed] = 255 # 遍历图像,将与种子点相邻的像素点加入mask中 while True: prev_mask = np.copy(mask) for i in range(height): for j in range(width): if mask[i, j] == 255: for x, y in neighborhood: xi, yj = i + x, j + y if 0 <= xi < height and 0 <= yj < width: if img[xi, yj] != 0 and mask[xi, yj] == 0: mask[xi, yj] = 255 # 如果mask没有变化,说明已经找到了所有相邻的像素点,退出循环 if np.all(prev_mask == mask): break # 返回mask return mask # 读入图像 img = cv2.imread('image.jpg', 0) # 选择种子点 seed = (100, 100) # 进行区域生长 mask = region_growing(img, seed) # 显示原图和分割结果 cv2.imshow("Original Image", img) cv2.imshow("Segmented Image", mask) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的示例代码中,我们定义了一个 `region_growing` 函数,该函数使用区域生长算法进行图像分割。该函数接受两个参数:一个是输入图像,另一个是种子点。函数通过遍历图像,将与种子点相邻的像素点加入mask中,直到找到所有相邻的像素点为止。最后,函数返回mask,即分割结果。 在主程序中,我们读入一张图像,选择一个种子点,并将图像和分割结果显示出来。
评论 56
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

空空的司马

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值