【数字图像处理5.2】区域生长算法、分裂合并算法和分水岭分割法 python

实验前言与目的

这些算法都属于【基于形态学的图像分割】这一范畴，我们最终做的一切，都是为了图像分割（比如分成黑白两块，相对提取物体主题，为物体描轮廓…）

编写程序完成以下算法，并进行比较，得出结论。

1. 区域生长算法
2. 区域分裂合并算法
3. 分水岭分割算法

1、区域生长算法

参考：https://blog.csdn.net/weixin_43487953/article/details/97395528

注意

• 区域生长是一种图像分割方法。
• 区域生长从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止，进而实现目标的提取。
• 区域生长的好坏决定于：1.初始点（种子点）的选取。2.生长准则。3.终止条件。
• 个人感悟：这个算法平均感觉都挺慢的，我运行一个狗子的图，即使换了不同的种子，平均也在10S~20S之间。

PPT思路

本程序思路:

1. 先生成同样大小空白矩阵
2. 设置一个种子点，通过计算判断周围是否有符合条件新种子，编写在空白矩阵中
3. 通过循环可以获得含有种子标志的新矩阵，将矩阵与原图相乘可以得到利用区域生长分割出的图像。
   备注：由于代码不长，所以思路主要用备注写代码里了、

输入图像经过区域生成算法之后的效果：

代码

################################################
#################区域生成算法###################
################################################
def 区域生成法(img):
    img_array = np.array(img)#图片转为数组方便操作

    [m,n]=img_array.shape#返回图片的长和宽

    a = np.zeros((m,n)) #建立等大小空矩阵

    a[70,70]=1 #设立种子点
    k = 40 #设立生长阈值

    isMyArea=1 
    #开始循环遍历周围像素，种子长大。
    while isMyArea==1:
        isMyArea=0
        lim = (np.cumsum(img_array*a)[-1])/(np.cumsum(a)[-1])
        for i in range(2,m):
            for j in range(2,n):
                if a[i,j]==1:
                    for x in range(-1,2):
                        for y in range(-1,2):
                            if a[i+x,j+y]==0:
                                if (abs(img_array[i+x,j+y]-lim)<=k) :
                                    isMyArea = 1
                                    a[i+x,j+y]=1
                                    print("我是区域，我正在生长...")
    data = img_array*a #矩阵相乘获取生长图像的矩阵
    new_img = Image.fromarray(data) #data矩阵转化为二维图片

    return new_img

2、区域分裂合并算法

参考：
https://www.jianshu.com/p/fa573431ef3d

• 个人感觉，这个分割算法有点【微积分】那种感觉了。
• 不用像区域生长一样还要选个“种子点”，算法比较“稳”？

算法的思想总的来说，就是：

1. 先把图像分成4块
2. 若这其中的一块符合分裂条件，那么这一块又分裂成4块
3. 分裂到一定数量时，以每块为中心，检查相邻的各块，满足一定条件，就合并。
4. 如此循环往复进行分裂和合并的操作。
5. 最后合并小区，即把一些小块图像的合并到旁边的大块里。

注意

• 本次切割图像不使用专门的库，而是直接通过控制img[x,y,weight,height]来最原图片的一个个小区域直接操作（具体操作是二值化）。
• 从最终成像来看，区域分裂与合并算法的确具有一定的连续性，不会出现黑图中夹杂着一丝白丝儿的那种噪声。

效果图

代码

import numpy as np
import cv2 
import matplotlib.pyplot as plt # plt 用于显示图片


#判断方框是否需要再次拆分为四个
def judge(w0, h0, w, h):
    a = img[h0: h0 + h, w0: w0 + w]
    ave = np.mean(a)
    std = np.std(a, ddof=1)
    count = 0
    total = 0
    for i in range(w0, w0 + w):
        for j in range(h0, h0 + h):
        #注意！我输入的图片数灰度图，所以直接用的img[j,i]，RGB图像的话每个img像素是一个三维向量，不能直接与avg进行比较大小。
            if abs(img[j, i] - ave) < 1 * std:
                count += 1
            total += 1
    if (count / total) < 0.95:#合适的点还是比较少，接着拆
        return True
    else:
        return False

##将图像将根据阈值二值化处理，在此默认125
def draw(w0, h0, w, h):
    for i in range(w0, w0 + w):
        for j in range(h0, h0 + h):
            if img[j, i] > 125:
                img