84.基于区域生长分割

目录

        1 概念讲解及用处

        2 区域生长算法讲解（以8邻接为例）

        3 c++编写代码实现

        1 概念讲解及用处

        区域增长（Region Growing）是一种图像分割方法，它基于像素之间的相似性来将图像分割为不同的区域。区域增长算法从一个或多个种子点开始，根据预定义的生长准则逐步生长并合并相邻像素，直到满足停止条件为止。

        区域增长分割是一种基于像素相似性的图像分割方法。它将图像中相似的像素聚集在一起形成连通区域，从而实现图像的分割。区域增长分割常用于目标识别、边缘检测、图像分析等领域。

        区域生长的好坏取决于：种子点的选取、生长准则、终止条件。

        2 区域生长分割算法讲解（以8邻接为例）

        假设有一个5x5的图像阵列，选定阵列中的最大值9作为初始点（图中橙色像素块），区域生长的阈值为2，按照区域生成算法对该图像进行分割。

        按照区域生长阈值为2，从像素值为9的种子点开始生长，因此生长的像素取值范围为[7,11]，生长后的区域像素均值为7.8，第一次生长后效果如下图所示。

        第一次生长后的区域像素均值为7.8，按照生长阈值为2，第二次生长的像素取值范围应为[5.8,9.8]，第二次生长后效果如下图所示。

        第二次生长后的区域均值为7.1，按照生长阈值为2，第三次生长的像素取值范围应为[5.1,9.1]，如下图所示，黄色部分为第三次生长的区域结果。

        第三次生长后的区域均值为6.9，按照生长阈值为2，第三次生长的像素取值范围应为[4.9,8.9]，周边已没有满足继续生长的像素点，到此我们停止生长。将生长后的区域标记为1，其他区域标记为0，最终的分割区域如下图所示。

        3 c++编写代码实现

#include <iostream>
#include <queue>
#include <opencv2/opencv.hpp>

void regionGrowing(const cv::Mat& image, cv::Mat& segmented, int seedRow, int seedCol, int threshold) {
    segmented = cv::Mat::zeros(image.size(), CV_8UC1);
    std::queue<cv::Point> queue;
    queue.push(cv::Point(seedCol, seedRow));
    while (!queue.empty()) {
        cv::Point current = queue.front();
        queue.pop();
        if (segmented.at<uchar>(current.y, current.x) != 0) {
            continue;
        }
        if (std::abs(image.at<uchar>(current.y, current.x) - image.at<uchar>(seedRow, seedCol)) <= threshold) {
            segmented.at<uchar>(current.y, current.x) = 255;
            for (int i = -1; i <= 1; i++) {
                for (int j = -1; j <= 1; j++) {
                    int newRow = current.y + i;
                    int newCol = current.x + j;
                    if (newRow >= 0 && newRow < image.rows && newCol >= 0 && newCol < image.cols) {
                        queue.push(cv::Point(newCol, newRow));
                    }
                }
            }
        }
    }
}

int main() {
    // 加载图像
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

    // 应用区域增长分割
    cv::Mat segmented;
    regionGrowing(image, segmented, 100, 100, 10);

    // 显示结果
    cv::imshow("Original Image", image);
    cv::imshow("Segmented Image", segmented);
    cv::waitKey(0);

    return 0;
}