基于区域分割的算法

区域分割

前面所讲的图像分割方法都是基于像素的灰度来进行阈值分割， 本节将讨论以区域为基础的图像分割技术。传统的区域分割方法有区域生长和区域分裂与合井， 其中最基础的是区域生长法。

区域生长及其实现

区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从一组生长点开始（生长点可以是单个像素，也可以为某个小区域），将与该生长点性质相似的相邻像素或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止。生长点和相邻区域的相似性判据可以是灰度值、纹理、颜色等多种图像信息。

区域生长算法 
区域生长一般有3个步骤。 
(1)选择合适的生长点。 
(2)确定相似性准则即生长准则。 
(3)确定生长停止条件。 
一般来说， 在无像素或者区域满足加入生长区域的条件时， 区域生长就会停止。 

上述方法比较的是单个像素与其邻域的灰度特征以实现区域生长，也有一种混合型区域生长把图像分割成若干小区域，比较相邻小区域的相似性，如果相似则合并。在实际中，区 域生长时经常还要考虑到生长的”历史”，还要根据区域的尺寸、形状等图像的全局性质来决定区域的合并。

区域分裂与合并

区域生长是从一组生长点开始的，另一种方法是在开始时将图像分割为一系列任意不相交的区域， 然后将它们合并或者拆分以满足限制条件， 这就是区域分裂与合并。 通过分裂， 可以将不同特征的区域分离开， 而通过合并， 可以将相同特征的区域合并起来。

区域分裂与合并算法