python区域生长算法_多种子的区域生长算法

python区域⽣长算法_多种⼦的区域⽣长算法

晋平公浮西河

摘要：多种⼦的区域⽣长算法，基于C++编写。

关键字：图像处理, 种⼦⽣长, 区域⽣长

1. 题外话

最近需要⼀种简单对图像进⾏分割的算法，作为后续算法的前处理阶段。最开始想到的是聚类，但是聚类会有分割后不保证连通性的问题。

区域⽣长法可以保证分割后各⾃区域的连通性。但⽹上⼤多数的代码都是单个种⼦的，⽤的多是matlab或旧版本的opencv。索性，我照着单种⼦的思路，写了⼀个多种⼦的区域⽣长算法分享出来。

2. 单种⼦的区域⽣长

事实上，我就是参照这篇⽂章的思路写的代码。这篇⽂章的代码思路清晰，可惜⽤的旧版本的opencv，⽽且是单种⼦。

3. 多种⼦的区域⽣长

爨体病理生理学习题

建设工程消防监督管理规定⼤体思路是这样的：

1、遍历全图，寻是否还有undetermined的点，如有，作为种⼦

2、进⾏单种⼦的区域⽣长算法，⽣长出的区域记⼊矩阵mask

凉子木

3、如果mask记录的区域⾯积⾜够⼤，把mask中的区域记录到矩阵dest中，状态为determined；如果mask记录的区域⾯积太⼩，把mask中的区域记录到矩阵dest中，状态为ignored(忽略分割出来⾯积过⼩的区域)

再回兴义忆耀邦

4、重复上述步骤，直到全图不存在undetermined的点

4. TODO

我对现在的算法还不是很满意，其⼀，我没有做太多优化，代码运⾏卡卡的；其⼆，我⽤的灰度图，以及“差值/阈值”的⽅式来判断是否相似，阈值不是⾃适应的。

注：新版本添加了⾃动寻阈值的demo，详见本⽂最后⼀节

对于图⽚尺⼨越⼤越卡这个问题，可以在读图⽚的时候统⼀resize成256×256，⼤多数追求速度的图像处理算法都会有这步。

对于彩⾊图，⽤3个通道的距离来判断相似度会更好。

以上两个问题，我为了保持算法的原汁原味，就没有添加。(其实是我懒得写了～)

注：关于彩⾊图那点，最新版本已经添加了相关代码。思路是RGB三个通道的差值取平⽅和。Delta = R^2 + G^2 + B^2 。

5. 代码

6. 效果原图

结果

7. 关于阈值⾃适应

新版本的代码中，已经添加了阈值⾃适应的demo。想法来⾃于⼆值化领域的OTSU(⼤津法)，不懂⼤津法的可以搜索下，虽然属于不同领域，但算法思想可以借鉴。我在demo中的具体做法如下：

1、threshold的取值在⼀定范围内，遍历所有可取的threshold

2、对于⼀个取到的threshold，区域⽣长算法可以得到分割后的N个区域。计算同⼀区域内的像素值的

⽅差var(same_region)以及不同区域间像素平均值的差值delta(mean(different_region))

3、⽤loss表征分割的好坏，公式中a和b是⼿动设置的参数，loss越⼩说明分割得越好：$$loss=a \div delta(mean(different-region)) + b \times Var(same-region)$$

4、遍历所有可取的threshold，求出各⾃的loss，取loss最⼩值对应的threshold

原图

结果

本文发布于:2024-09-22 07:35:07，感谢您对本站的认可！

标签：算法区域分割添加阈值思路全图

留言与评论（共有 0 条评论）