图像分割实验（二值化，otsu、迭代法、区域生长、区域分割）vs2010+opencv2.4

图像分割实验

实验目的

1. 理解和掌握图像分割的基本理论和算法；
2. 掌握用阈值法进行图像分割的基本方法；
3. 掌握基于区域分割的图像分割方法。

二、实验环境与设备

1. 计算机；
2. VC++程序；

三、实验内容
打开计算机，启动VisualC++程序建立工程，工程文件夹中应有待处理的图像文件；编程实现基于区域的图像分割，并与普通的阈值分割图像作比较；记录和整理实验报告。

四、实验原理与步骤
1.连通定义
在数字图像中，一个像素在空间上可能非常接近其它一些像素。在用网格表示的数字图像中，一个像素与其它四个像素有公共边界，并与另外四个像素共享顶角。如果两个像素有公共边界，则称它们互为4邻点(4-neighbors)。同样，如果两个像素至少共享一个顶点，则称它们互为8邻点。

2. 连通成分标记
   在一幅图像中找出连通成分是数字图像中最常见的运算之一。连通区域内的点构成表示物体的候选区域。机器视觉中的大多数物体都有表面，显然，物体表面点投影到图像平面上会形成空间上密集的点集。这里应该指出，连通成分算法常常会在二值视觉系统中形成瓶颈效应，原因是连通成分运算是一个全局性的运算，这种算法在本质上是连贯的。如果图像中仅有一个物体，那么找连通成分就没有必要；如果图像中有许多物体，且需要求出物体的特性与位置，则必须确定连通成分。
   连通标记算法可以找到图像中的所有连通成分，并对同一连通成分中的所有点分配同一标记。

3. 递归算法
   算法步骤如下：
   ① 扫描图像，找到没有标记的1点，给它分配一个新的标记L；
   ② 递归分配标记L给1点的邻点；
   ③ 如果不存在没标记的点，则停止；
   ④ 返回第①步。

4. 区域分裂算法
   如果区域的某些特性不是恒定的，则区域应该分裂。基于分裂方法的图像分割过程是从最大的区域开始，在许多情况下，常把整个图像作为起始分裂的图像。
   算法步骤如下：
   ① 形成初始区域；
   ② 对图像的每一个区域，连续执行下面两步：
   •计算区域灰度值方差；
   •如果方差值大于某一阈值，则沿着某一适合的边界分裂区域。

5. 区域增长算法
   在许多图像中，单个区域内的灰度值不是完全恒定的，因此需要更复杂的算法来进行图像分割。其中最好的算法是那些基于如下假设的算法，即图像可以划分成区域，而区域可以用简单函数模型化。
   可由分割问题导出如下算法：寻找初始区域核，并从区域核开始，逐渐增长核区域，形成满足一定约束的较大的区域。
   算法步骤如下：
   ① 把图像划分成初始区域核；
   ② 用平面模型拟合每一个区域核；
   ③ 对每一个区域，通过区域模型向邻接区域外插，求取与该区域兼容的所有点；
   ④ 如果没有兼容点，则增加模型阶数。如果模型阶数大于最大的模型阶数，停止区域增长；否则，回到第③步，继续区域增长；
   ⑤ 形成新的区域，重新用相同阶数的模型能够拟合新区域，计算拟合最佳度；
   ⑥ 计算区域模型的新老拟合最佳度之差；
   ⑦ 如果新老拟合最佳度之差小于某一给定阈值，回到第三步，继续区域增长；
   ⑧ 增加模型阶数，如果模型阶数大于最大的模型阶数，停止区域增长；
   用新的模型阶数再拟合区域模型。入伙拟合误差增加，接收新的模型阶数，回到第③步，继续区域增长，否则，停止区域增长。

实验代码

#include<opencv2\opencv.hpp>
#include<iostream>
#include <algorithm>
#include <cstdlib>
#include<math.h>
#include<stdlib.h>
#include <ctime>
#include<stack>
using namespace cv;
using namespace std;
int T,To;//分别为迭代阈值法和otsu法计算的最佳阈值
int myotsu(Mat &src);//ots