目录
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;
}