opencv笔记（六）——区域生长算法

opencv笔记（六）——区域⽣长算法

注：本程序只能做图像分割，结果图是转⾃原作者的，暂时没实现该功能。

1、理论基础

区域⽣长算法的基本思想是将有相似性质的像素点合并到⼀起。对每⼀个区域要先指定⼀个种⼦点作为⽣长的起点，然后将种⼦点周围领域的像素点和种⼦点进⾏对⽐，将具有相似性质的点合并起来继续向外⽣长，直到没有满⾜条件的像素被包括进来为⽌。这样⼀个区域的⽣长就完成了。这个过程中有⼏个关键的问题：

a> 给定种⼦点(种⼦点如何选取？)

种⼦点的选取很多时候都采⽤⼈⼯交互的⽅法实现，也有⽤其他⽅式的，⽐如寻物体并提取物体内部点作为种⼦点。

b> 确定在⽣长过程中能将相邻像素包括进来的准则

灰度图像的差值；彩⾊图像的颜⾊等等。都是关于像素与像素间的关系描述。

c> ⽣长的停⽌条件

2、灰度差值的区域⽣长算法实现

算法实现的步骤：

a> 创建⼀个空⽩的图像(全⿊)；

b> 将种⼦点存⼊vector中，vector中存储待⽣长的种⼦点；

c> 依次弹出种⼦点并判断种⼦点如周围8领域的关系(⽣长规则)，相似的点则作为下次⽣长的种⼦点；

d> vector中不存在种⼦点后就停⽌⽣长。

#include <opencv2\highgui\highgui.hpp>

#include <iostream>

#include "math.h"

using namespace cv;

using namespace std;

Mat RegionGrow(Mat src, Point2i pt, int th)

{

Point2i ptGrowing; //待⽣长点位置

int nGrowLable = 0; //标记是否⽣长过

int nSrcValue = 0; //⽣长起点灰度值

int nCurValue = 0; //当前⽣长点灰度值

Mat matDst = Mat::zeros(src.size(), CV_8UC1); //创建⼀个空⽩区域，填充为⿊⾊

董时进

/⽣长⽅向顺序数据

int DIR[8][2] = { { -1, -1 }, { 0, -1 }, { 1, -1 }, { 1, 0 }, { 1, 1 }, { 0, 1 }, { -1, 1 }, { -1, 0 } };

Vector<Point2i> vcGrowPt; //⽣长点栈

vcGrowPt.push_back(pt); //将⽣长点压⼊栈中

matDst.at<uchar>(pt.y, pt.x) = 255; //标记⽣长点

nSrcValue = src.at<uchar>(pt.y, pt.x); //记录⽣长点的灰度值

while (!pty()) //⽣长栈不为空则⽣长

{

pt = vcGrowPt.back(); //取出⼀个⽣长点

vcGrowPt.pop_back();

/分别对⼋个⽅向上的点进⾏⽣长

for (int i = 0; i<9; ++i)

{

鬼笔菌ptGrowing.x = pt.x + DIR[i][0];

旷野里微妙的光ptGrowing.y = pt.y + DIR[i][1];普查与抽样调查

//检查是否是边缘点

if (ptGrowing.x < 0 || ptGrowing.y < 0 || ptGrowing.x >(ls - 1) || (ptGrowing.y > ws - 1)) continue;

nGrowLable = matDst.at<uchar>(ptGrowing.y, ptGrowing.x); //当前待⽣长点的灰度值

if (nGrowLable == 0) //如果标记点还没有被⽣长

{

nCurValue = src.at<uchar>(ptGrowing.y, ptGrowing.x);

if (abs(nSrcValue - nCurValue) < th) //在阈值范围内则⽣长

{

matDst.at<uchar>(ptGrowing.y, ptGrowing.x) = 255; //标记为⽩⾊

vcGrowPt.push_back(ptGrowing); //将下⼀个⽣长点压⼊栈中

}

return matDst.clone();

office 97

}

int main() //区域⽣长

{

Mat src = imread("E:\\QT text\\image processing\\delineation\\image\\1.jpg");

namedWindow("原图", 0);

imshow("原图", src);

Point pt = (514,510); //待⽣长点位置

int th = 10;

src = RegionGrow(src, pt, th);

namedWindow("RegionGrow", 0);

imshow("RegionGrow", src);

waitKey(0);

return 0;

}

p573、算法效果

贴图看看使⽤该算法的图像处理效果：

⾸先对原图像进⾏⼆值化：

得到种⼦点的⽅法这⾥就不⽤介绍了，这个不是该算法的重点。得到两个种⼦点（左右肺），分别使⽤区域⽣长算法得到左右肺区，然后与原图进⾏与运算，得到结果：

To：博乐评论中提到的原始区域⽣长的算法思想。原始区域⽣长中⼀般有四领域的⽣长和⼋领域的⽣长两种⽅式，基本思想和该算法是⼀致的。这个算法也是博主在以前没有使⽤opencv的程序中修改得来的。