区域生长法分割

区域生长法

区域生长法的基本思想就是将具有相似性的像素集合起来形成一个区域。
具体做法就是，首先选择一个种子点，通过比较种子点邻域的相似性，将邻域中满足相似性准则的像素归入种子点所在的区域，然后将这新的像素点定为种子点，重复上述过程，直到没有满足相似性准则的新的邻域像素点产生为止。通过区域生长，一个区域就形成了。
有三个关键性的问题：
1.种子点的选择问题，如何选择代表所需区域的种子点？
借助具体问题的特点来进行选择。
2.生长过程中停止生长的条件是什么？
一般是再没有满足生长准则的像素产生为止。
3.如何判断相邻两个像素是否是相似的呢？
①基于区域灰度差的方法。
1）对所有的像素进行扫描，找出尚没有归属的像素点。
2）对这像素点的所有邻域像素进行灰度差，找出灰度差满足某一阈值的邻域像素，将他们合并。
3）以新合并的像素为新的中心，进行步骤2）。检查新像素的邻域，直到区域不能继续扩张为止。
4）返回步骤1），继续扫描，直到所有像素都有归属为止。
改进–>该方法对于生长起点的选择具有很大的依赖性。将灰度差阈值设为0，这样所有灰度值相同的像素点就形成了一个区域。然后比较相邻区域之间的平均灰度差，将平均灰度差小于阈值的区域进行合并。问题：对于变化缓慢的相邻区域，会产生错分割。
改进–>在进行区域生长时，不使用新像素点的灰度值与其邻域进行比较，而是使用新像素点所在的区域的平均灰度值与其邻域的像素点的灰度值进行比较，选择满足阈值的点进行合并。
②以灰度分布的相似性为准则。
1）将像素分成互不重叠的小区域。
2）比较相邻区域的累计灰度直方图，即比较灰度分布的相似性。参考https://blog.csdn.net/combfish/article/details/45056239
其实累积直方图就是对直方图分布进行归一化处理。将小于阈值的两个相邻区域进行合并。
3）设定终止准则，通过反复步骤2），依次将各个区域进行合并。

区域生长法的优点是：计算简单，比较适合分割均匀的小结构，往往与其他分割方法联合使用。
缺点是：对初始种子点的依赖性，而且对噪声比较敏感，出现分割空洞或者过分割。