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。
![](https://i-blog.csdnimg.cn/blog_migrate/03a6ac21548a17585f083c9d4fdc839f.png)
-
/***************************************************************************************
-
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: