区域生长法快速入门,不带种子点的选取

这里实现的区域生长法,是最原始的区域生长法,基本原理是判断像素点的强度值是和种子点的强度值差是否小于阈值,如果小于阈值则被标记。

实现过程中利用了栈的先进后出的思想,将8邻域中符合生长要求的点压入栈,然后依次取出,然后在取出的点的基础上对8邻域再次进行生长。

学习部分

1、获取像素点坐标值

分成两种,第一种是利用指针来取值的,第二种是利用点来访问强度值的,可以使用pt点,也可以使用x,y的坐标访问,但是这边涉及到opencv的坐标问题,y要放在前面。

startPtValue = ((unsigned char*)(srcImg.data + pt.y*srcImg.step))[pt.x];//该像素点所在行的首地址,然后再加上该像素点所在的列
markImg.at<uchar>(pt) = 255;
markImg.at<uchar>(y, x) = 255;

2、创建一张黑色的图像 

Mat img = Mat::zeros(srcImg.size(), CV_8UC1);

 CV_<bit_depth>(S|U|F)C<number_of_channels>  CV_8(每个像素点占8bite)U(unsigned)C(channel)1

3、修改

①生长准则是将生长点和种子点的强度值相比,而不是将8邻域的点和当前栈中取出的点的强度值相比,可以利用一个全局灰度值作为生长准则

②生长过程有很多点被重复生长(标记图中强度为0的点,不符生长准则的可能会被二次生长)


/**
 *@brief 区域生长法,输入图像应为灰度图
 *@para srcImg 区域生长原图像
 *@para pt 种子点
 *@para thre 阈值
**/
void RegionGrowing(Mat srcImg, Mat& dstImg, Point pt, int thre)
{
	// Mat RegionGrowing(Mat srcImg, Point pt, int thre)
	// return growImage.clone();
	Point ptGrowing; //待生长点坐标
	int nGrowLabel = 0; //是否被标记 markImage灰度值不为0
	int startPtValue = 0; //生长起始点灰度值
	int currPtValue = 0; //当前生长点灰度值
	//int growPtValue = 0; //待生长点灰度值

	Mat markImg = Mat::zeros(srcImg.size(), CV_8UC1);//创建一个空白区域,填充颜色为黑色
	int mDir[8][2] = { { -1,-1 },{ 0,-1 },{ 1,-1 },{ -1,0 },{ 1,0 },{ -1,1 },{ 0,1 },{ 1,1 } };   //8邻域

	vector<Point> growPtVec;//生长点栈
	growPtVec.push_back(pt);//将初始生长点压入栈
	
	//unsigned char *pData = (unsigned char *)(markImg.data + pt.y*markImg.step);
	//pData[pt.x] = 255;//标记初始生长点
	markImg.at<uchar>(pt) = 255;

	//startPtValue = ((unsigned char*)(srcImg.data + pt.y*srcImg.step))[pt.x];//该像素点所在行的首地址,然后再加上该像素点所在的列
	startPtValue = srcImg.at<uchar>(pt);
	
	while (!growPtVec.empty())
	{
		Point currPt = growPtVec.back(); //返回当前vector最末一个元素
		growPtVec.pop_back(); //弹出最后压入的数据
		for (int i = 0; i < 8; i++)
		{
			ptGrowing.x = currPt.x + mDir[i][0];
			ptGrowing.y = currPt.y + mDir[i][1];
			//判断是否是边缘点
			if (ptGrowing.x < 0 || ptGrowing.y < 0 || (ptGrowing.x > srcImg.cols - 1) || (ptGrowing.y > srcImg.rows - 1))
				continue;//继续执行下一次循环
					 //判断是否已被标记
			//nGrowLabel = ((unsigned char*)(markImg.data + ptGrowing.y*markImg.step))[ptGrowing.x];
			nGrowLabel = markImg.at<uchar>(ptGrowing);
			if (nGrowLabel == 0) //没有被标记
			{
				//currPtValue = ((unsigned char*)(srcImg.data + ptGrowing.y*srcImg.step))[ptGrowing.x];
				//currPtValue = srcImg.at<uchar>(currPt.y, currPt.x);
				currPtValue = srcImg.at<uchar>(ptGrowing);
				if (abs(currPtValue - startPtValue) <= thre)
				{
					//((unsigned char*)(markImg.data + ptGrowing.y*markImg.step))[ptGrowing.x] = 255;
					markImg.at<uchar>(ptGrowing) = 255;
					growPtVec.push_back(ptGrowing);
				}
			}
		}
	}
	markImg.copyTo(dstImg);
}
int main()
{
	Mat srcImg = imread("2.png",0);
	imshow("orig", srcImg);
	if (srcImg.empty())
		printf("image read error");
	Mat srcImg1 = srcImg.clone();
	Mat outImg1, outImg2;
	RegionGrowing(srcImg1, outImg1, Point(342, 321), 20);  //241, 258
	//RegionGrowing(srcImg1, outImg2, Point(302, 118), 80);
	//add(outImg1, outImg2, outImg1);
	imshow("p1p2", outImg1);
	//Mat resultImg;
	//srcImg.copyTo(resultImg, ~outImg1);
	//imshow("outImg", resultImg);
	//waitKey(0);
	imshow("result", srcImg1);
	waitKey(0);
	return 0;
}

 

区域生长是一种基于像素相似性的图像分割算,可以用于分割医学图像、遥感影像等。下面是一个手动选取种子像素区域生长分割程序示例(使用Python语言和OpenCV库): ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('input_image.jpg', cv2.IMREAD_GRAYSCALE) # 设置阈值种子像素 threshold = 50 seed_points = [(50, 50), (100, 100), (150, 150)] # 区域生长分割 seg_map = np.zeros_like(img) for seed_point in seed_points: segment = np.zeros_like(img) segment[seed_point] = 255 while True: old_segment = segment.copy() for i in range(img.shape[0]): for j in range(img.shape[1]): if segment[i, j] == 255: if i > 0 and abs(int(img[i, j]) - int(img[i-1, j])) < threshold: segment[i-1, j] = 255 if i < img.shape[0]-1 and abs(int(img[i, j]) - int(img[i+1, j])) < threshold: segment[i+1, j] = 255 if j > 0 and abs(int(img[i, j]) - int(img[i, j-1])) < threshold: segment[i, j-1] = 255 if j < img.shape[1]-1 and abs(int(img[i, j]) - int(img[i, j+1])) < threshold: segment[i, j+1] = 255 if np.array_equal(old_segment, segment): break seg_map[segment == 255] = 255 # 显示分割结果 cv2.imshow('Segmentation Result', seg_map) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例程序中,我们首先读取了一张灰度图像。然后,我们设置了阈值种子像素,这些种子像素是我们手动选择的。接着,我们使用双重循环遍历图像中的每一个像素,并根据像素的相似性来判断该像素是否应该被添加到当前区域中。最后,我们将所有被添加到区域中的像素标记为白色,并在一个新的图像中显示分割结果。 需要注意的是,这个示例程序中的区域生长只能进行单通道图像(如灰度图像)的分割。如果要对彩色图像进行分割,需要先将图像转换为单通道图像。此外,该示例程序中的区域生长只考虑了四联通的像素,如果要考虑八联通的像素,需要稍微修改一下程序中的判断条件。
评论
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

青山渺渺

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