图像分割-区域生长-python

区域生长是图像分割中的一种重要算法。它的基本思路是给定一个种子点，给定一个搜索范围，在这个所搜范围之内符合一定规则的点就是和种子点同一类别的点。依据这个思路，其基本步骤便是：

1、给定种子点，将种子点加入种子序列

2、将种子序列中的第一个元素弹出，搜索器范围（常用8邻域）符合规则的点，将该点加入种子序列。

3、循环1，2，所有做过种子点的元素便是和最开始的种子点同一类别的元素。

在这里：我们通常使用8邻域作为2D图像搜索范围，使用两个元素的欧氏距离为评估规则。

我这里写了3D元素的代码，有兴趣的同志可以改成2D的。（这里使用的是脑部MRI的数据，我们想做的是将脑组织提取出来，即将MRI影像中的颅骨等非脑部组织去掉，以便我们分割静脉）

import numpy as np
import cv2
import numpy as np
import SimpleITK as sitk
import numpy  as np
import matplotlib.pyplot  as plt
import math

def get_img_array(path):
    ds_img = sitk.ReadImage(path)
    image_arrays = sitk.GetArrayFromImage(ds_img)
    image_arrays = (image_arrays - image_arrays.min()) / (image_arrays.max() - image_arrays.min())
    image_arrays = image_arrays.astype(np.float32)
    return image_arrays
def if_out_of_bounds(local,shape):
    x,y,z=local
    h,w,c=shape
    h,w,c=h-1,w-1,c-1
    if(x<0 or y<0 or z<0 or x>h or y>w or z>c):
        return  False
    else:
        return True

def area_grow(img,seed,t):
    seed_list=[seed]
    class_k=1
    img_mark=np.zeros_like(img)
    h,w,c=img.shape
    while(len(seed_list)>0):
        seed_tmp = seed_list[0]
        seed_list.pop(0)
        x,y,z=seed_tmp

        img_mark[x,y,z] = class_k
        for i in range(x-1,x+2):
            for j in range(y-1,y+2):
                for k in range(z-1,z+2):
                    if([x,y,z]!=[i,j,k]):
                        if(if_out_of_bounds([i,j,k],img.shape)):
                            pixes_n=img[i,j,k]
                            pixes_seed=img[x,y,z]
                            dist=abs((pixes_n-pixes_seed))
                            if(dist