区域生长算法原理及实现

最新推荐文章于 2025-04-26 09:30:09 发布

置顶小武~~

最新推荐文章于 2025-04-26 09:30:09 发布

阅读量5.8w

点赞数 65

分类专栏：【图像处理算法】图像处理经典算法c++实现

本文链接：https://blog.csdn.net/weixin_40647819/article/details/90215872

版权

【图像处理算法】同时被 2 个专栏收录

37 篇文章

订阅专栏

图像处理经典算法c++实现

32 篇文章

订阅专栏

写在前面

前面写了OTSU算法、最大熵算法、自适应阈值法，这些都是基于阈值的分割算法。

今天写一下基于区域的分割算法，其中最为有名和经典的就是区域生长算法。值得说明的是：OpenCV没有提供区域生长算法的API。

优点：基本思想相对简单，通常能将具有相同特征的联通区域分割出来，并能提供很好的边界信息和分割结果。在没有先验知识可以利用时，可以取得最佳的性能，可以用来分割比较复杂的图象，如自然景物、硬币、医学图像等。

缺点：区域生长法是一种迭代的方法，空间和时间开销都比较大，噪声和灰度不均一可能会导致空洞和过分割，并在对图像中的阴影效果处理上往往不是很好。

原理

区域生长算法的基本思想是将有相似性质的像素点合并到一起。对每一个区域要先指定一个种子点作为生长的起点，然后将种子点周围领域的像素点和种子点进行对比，将具有相似性质的点合并起来继续向外生长，直到没有满足条件的像素被包括进来为止。这样一个区域的生长就完成了。这个过程中有几个关键的问题：

a> 给定种子点(种子点如何选取？)

种子点的选取很多时候都采用人工交互的方法实现，也有用其他方式的，比如寻找物体并提取物体内部点作为种子点。

b> 确定在生长过程中能将相邻像素包括进来的准则

灰度图像的差值；彩色图像的颜色等等。都是关于像素与像素间的关系描述。

c> 生长的停止条件

算法步骤：

a> 创建一个空白的图像(全黑)；

b> 将种子点存入vector中，vector中存储待生长的种子点；

c> 依次弹出种子点并判断种子点如周围8邻域的关系(生长规则)，相似的点则作为下次生长的种子点；

d> vector中不存在种子点后就停止生长。

基于OpenCV实现

用了一个交互，采用鼠标选取种子，但是只做了单个种子的，多种子可以在此基础上扩展。

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>


/***************************************************************************************
Function:  区域生长算法
Input:     src 待处理原图像 pt 初始生长点 th 生长的阈值条件
Output:    肺实质的所在的区域 实质区是白色，其他区域是黑色
Description: 生长结果区域标记为白色(255),背景色为黑色(0)
Return:    NULL
Others:    NULL
***************************************************************************************/
void RegionGrow(cv::Mat& src, cv::Mat& matDst, cv::Point2i pt, int th)
{
	cv::Point2i ptGrowing;						//待生长点位置
	int nGrowLable = 0;								//标记是否生长过
	int nSrcValue = 0;								//生长起点灰度值
	int nCurValue = 0;								//当前生长点灰度值
	matDst = cv::Mat::zeros(src.size(), CV_8UC1);	//创建一个空白区域，填充为黑色
	//生长方向顺序数据
	int DIR[8][2] = { { -1, -1 }, { 0, -1 }, { 1, -1 }, { 1, 0 }, { 1, 1 }, { 0, 1 }, { -1, 1 }, { -1, 0 } };
	std::vector<cv::Point2i> vcGrowPt;						//生长点栈
	vcGrowPt.push_back(pt);							//将生长点压入栈中
	matDst.at<uchar>(pt.y, pt.x) = 255;				//标记生长点
	nSrcValue = src.at<uchar>(pt.y, pt.x);			//记录生长点的灰度值
	
	while (!vcGrowPt.empty())						//生长栈不为空则生长
	{
		pt = vcGrowPt.back();						//取出一个生长点
		vcGrowPt.pop_back();

		//分别对八个方向上的点进行生长
		for (int i = 0; i<8; ++i)
		{
			ptGrowing.x = pt.x + DIR[i][0];
			ptGrowing.y = pt.y + DIR[i][1];
			//检查是否是边缘点
			if (ptGrowing.x < 0 || ptGrowing.y < 0 || ptGrowing.x >(src.cols - 1) || (ptGrowing.y > src.rows - 1))
				continue;

			nGrowLable = matDst.at<uchar>(ptGrowing.y, ptGrowing.x);		//当前待生长点的灰度值

			if (nGrowLable == 0)					//如果标记点还没有被生长
			{
				nCurValue = src.at<uchar>(ptGrowing.y, ptGrowing.x);
				if (abs(nSrcValue - nCurValue) < th)					//在阈值范围内则生长
				{
					matDst.at<uchar>(ptGrowing.y, ptGrowing.x) = 255;		//标记为白色
					vcGrowPt.push_back(ptGrowing);					//将下一个生长点压入栈中
				}
			}
		}
	}

}


void on_MouseHandle(int event, int x, int y, int flags, void* param){
	cv::Mat& src = *(cv::Mat*) param;
	cv::Mat src_gray, dst;
	if (src.channels() > 1)
		cv::cvtColor(src, src_gray, CV_RGB2GRAY);
	cv::Point2i  pt;
	switch (event)
	{
		//左键按下
	case cv::EVENT_LBUTTONDOWN:
	{
		//x:列 y:行						   
		pt=cv::Point2i(x, y);
		std::cout << "(x,y)=" << "(" << x << "," << y << ")" << std::endl;
	}
	break;
	   //左键放开
	char str[16];
	case cv::EVENT_LBUTTONUP:
	{
		cv::circle(src, cv::Point2i(x, y),1, cv::Scalar(0, 0, 255), -1,CV_AA);
		sprintf_s(str, "(%d,%d)", x, y);
		//cv::putText(src, str, cv::Point2i(x, y), 3, 1, cv::Scalar(150, 200,0), 2, 8);
		cv::namedWindow("dst", CV_WINDOW_NORMAL);//定义一个dst窗口 
		pt = cv::Point2i(x, y);
	    RegionGrow(src_gray,dst,pt,40);  //区域生长
		cv::bitwise_and(src_gray, dst, dst); //与运算
		imshow("src", src);
		imshow("dst", dst);
	}
		break;
	}


}


int main(){
	cv::Mat src = cv::imread("I:\\Learning-and-Practice\\2019Change\\Image process algorithm\\Img\\Fig0943(a)(dark_blobs_on_light_background).tif");
	if (src.empty()){
		return -1;
	}
	cv::namedWindow("src", CV_WINDOW_NORMAL);//定义一个img窗口
	cv::setMouseCallback("src", on_MouseHandle, (void*)&src);//调用回调函数 
	imshow("src", src);
	cv::waitKey(0);
}