【youcans 的 OpenCV 例程200篇】168.图像分割之区域生长
欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中
【youcans 的 OpenCV 例程200篇】168.图像分割之区域生长
4. 区域分割的基本方法
4.1 区域生长
区域生长方法将具有相似性质的像素或子区域组合为更大区域。
区域生长方法是以区域为处理对象，基于区域内部和区域之间的同异性，尽量保持区域中像素的临近性和一致性的统一 。
区域生长的基本方法是，对于一组“种子”点，通过把与种子具有相同预定义性质（如灰度或颜色范围）的邻域像素合并到种子像素所在的区域中，再将新像素作为新的种子不断重复这一过程，直到没有满足条件的像素为止。
种子点的选取经常采用人工交互方法实现，也可以寻找目标物体并提取物体内部点，或利用其它算法找到的特征点作为种子点。
区域增长方法的步骤：
（1）对图像自上而下、从左向右扫描，找到第 1 个还没有访问过的像素，将该像素作为种子 (x0, y0)；
（2）以 (x0, y0) 为中心, 考虑其 4 邻域或 8 邻域像素 (x, y)，如果其邻域满足生长准则 则将 (x, y) 与 (x0, y0) 合并到同一区域，同时将 (x, y) 压入堆栈；
（3）从堆栈中取出一个像素，作为种子 (x0, y0) 继续步骤（2）；
（4）当堆栈为空时返回步骤（1）;
（5）重复步骤（1）-（4），直到图像中的每个点都被访问过，算法结束。
例程 11.25：图像分割之区域生长
# # 11.25 图像分割之区域生长
def getGrayDiff(image, currentPoint, tmpPoint): # 求两个像素的距离
return abs(int(image[currentPoint[0], currentPoint[1]]) - int(image[tmpPoint[0], tmpPoint[1]]))
# 区域生长算法
def regional_growth(img, seeds, thresh=5):
height, weight = img.shape
seedMark = np.zeros(img.shape)
seedList = []
for seed in seeds:
if (0<seed[0]<height and 0<seed[1]<weight): seedList.append(seed)
label = 1 # 种子位置标记
connects = [(-1,-1), (0,-1), (1,-1), (1,0), (1,1), (0,1), (-1,1), (-1,0)] # 8 邻接连通
while (len(seedList) > 0): # 如果列表里还存在点
currentPoint = seedList.pop(0) # 将最前面的那个抛出
seedMark[currentPoint[0], currentPoint[1]] = label # 将对应位置的点标记为 1
for i in range(8): # 对这个点周围的8个点一次进行相似性判断
tmpX = currentPoint[0] + connects[i][0]
tmpY = currentPoint[1] + connects[i][1]
if tmpX<0 or tmpY<0 or tmpX>=height or tmpY>=weight: # 是否超出限定阈值
continue
grayDiff = getGrayDiff(img, currentPoint, (tmpX, tmpY)) # 计算灰度差
if grayDiff<thresh and seedMark[tmpX,tmpY]==0:
seedMark[tmpX, tmpY] = label
seedList.append((tmpX, tmpY))
return seedMark
# 区域生长 主程序
img = cv2.imread("../images/Fig1051a.tif", flags=0)
# # 灰度直方图
# histCV = cv2.calcHist([img], [0], None, [256], [0, 256]) # 灰度直方图
# OTSU 全局阈值处理
ret, imgOtsu = cv2.threshold(img, 127, 255, cv2.THRESH_OTSU) # 阈值分割, thresh=T
# 自适应局部阈值处理
binaryMean = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 5, 3)
# 区域生长图像分割
# seeds = [(10, 10), (82, 150), (20, 300)] # 直接给定 种子点
imgBlur = cv2.blur(img, (3,3)) # cv2.blur 方法
_, imgTop = cv2.threshold(imgBlur, 250, 255, cv2.THRESH_BINARY) # 高百分位阈值产生种子区域
nseeds, labels, stats, centroids = cv2.connectedComponentsWithStats(imgTop) # 过滤连通域，获得质心点 (x,y)
seeds = centroids.astype(int) # 获得质心像素作为种子点
imgGrowth = regional_growth(img, seeds, 8)
plt.figure(figsize=(8, 6))
plt.subplot(221), plt.axis('off'), plt.title("Origin")
plt.imshow(img, 'gray')
plt.subplot(222), plt.axis('off'), plt.title("OTSU(T={})".format(ret))
plt.imshow(imgOtsu, 'gray')
plt.subplot(223), plt.axis('off'), plt.title("Adaptive threshold")
plt.imshow(binaryMean, 'gray')
plt.subplot(224), plt.axis('off'), plt.title("Region grow")
plt.imshow(255-imgGrowth, 'gray')
plt.tight_layout()
plt.show()
（本节完）
版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/124472048)
Copyright 2022 youcans, XUPT
Crated：2022-4-30
欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中【youcans 的 OpenCV 例程200篇】168.图像分割之区域生长
【youcans 的 OpenCV 例程200篇】169.图像分割之区域分离
【youcans 的 OpenCV 例程200篇】170.图像分割之K均值聚类
更多内容，请见：
【OpenCV 例程200篇 总目录-202206更新】