【学习笔记】图像处理的一些算法

1 区域生长算法（Region seeds growing）

基本思想：将以一定判别依据，将具有相似准则的像素合并起来构成区域，关键问题是种子的选择和相似区域判定准则的确定。
$$种子的选择\{\begin{array}{r}人工\\ 自动\end{array}$$
$$判定准则\{\begin{array}{r}一般用回复差值小于某个阈值来表示\\ 不同判定准则可能会产生不同的分割结果\end{array}$$
实验步骤：

1. 随机或者对图像进行扫描，找到第一个还没有赋予属性的像素，设该像素为$(x_0,y_0)$；
2. 以$(x_0,y_0)$为中心，考虑$(x_0,y_0)$的4邻域或者8邻域像素$(x,y)$与种子像素的灰度值之差的绝对值小于某一个阈值$T$。如果满足条件，将$(x,y)$与$(x_0,y_0)$合并（在同一区域内），同时将$(x,y)$压入堆栈；
3. 从堆栈中去除一个像素，把它当做$(x_0,y_0)$返回到步骤2；
4. 当堆栈为空时，返回到步骤1；
5. 重复步骤1-4知道图像中每个点都有归属，生长结束。

2 K-means方法

• 无监督学习方法
• 分类问题，输入分类数目，初始化中心位置
• 硬分类方法，以距离度量
  ————

基本流程：
1 参数k
2 初始化中心点
3 根据每个样本与中心点距离，分配聚类编号
4 对编号相同的聚类样本计算新的中心点位置
5 判断D<T或者Interaction>C，若否，则返回第3步骤；若是，结束。

3 距离变换与分水岭的图像分割

$$距离变换常见算法\{\begin{array}{r}不断膨胀/腐蚀得到\\ 基于倒角距离\end{array}$$
分水岭变换常见的算法：基于浸泡理论实现
处理流程：
1 将白色背景变成黑色，目的是为后面的变换做准备
2 使用filter2D与拉普拉斯算子实现图像对比度提高，sharp
3 转为二值图像通过threshold
4 距离变换
5 对距离变换结果进行归一化到[0,1]之间
6 使用阈值，再次二值化，得到标记
7 腐蚀得到每个Peak-erode
8 发现轮廓findContours
9 绘制轮廓drawContours
10 分水岭变换watershed
11 对每个分割区域着色输出结果