影像分割
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城更⼤区域的过程。 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井， 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， 在⽆像素或者区域不满⾜加⼊⽣长区域的条件时， 区域⽣长就会停⽌。
function Image1 =myregionGrow(Image)
[m,n,band]=size(Image);
Image=double(Image);hal
[y,x]=getpts;
T=6;%设置阈值，这个根据需要改变
L=3;
不要告诉妈妈Point=[x;y];%选择的点
Point=reshape(Point,size(Point,1)/2,2);%重塑矩阵，⽅便获取坐标
[M,~]=size(Point);%获取⾏数，作为序号
Image1=zeros(m,n,band);
for i=1:M %对所获取的坐标点分别⽣成起始种⼦
x=Point(i,1);%获取种⼦的x坐标，y坐标
y=Point(i,2);
k=i*255/M;%给和种⼦相似的区域赋值指定的值 newseed=[x,y];
雅芳贿赂门while(size(newseed,1)>0)
t=[];%临时变量存储新⽣长的部分
for p=1:size(newseed,1)%对当前种⼦进⾏循环遍历
x=round(newseed(p,1));%获取x坐标
y=round(newseed(p,2));%获取y坐标
%搜索种⼦周围25个点
if( x>L && x<=m-L && y>L && y<=n-L)%判断是否超过图像边界
for u =-L:L
for v =-L:L
X = x + u; Y = y + v;
if band==3
R=Image(X,Y,1);r=Image(x,y,1);
G=Image(X,Y,2);g=Image(x,y,2);汕尾职业技术学院校园网
B=Image(X,Y,3);b=Image(x,y,3);
if(abs(R-r)<=T&&abs(G-g)<=T&&abs(B-b)<=T &&Image1(X,Y)==0)
for s=1:3
Image1(X,Y,s)= k;%给满⾜条件的点做上标记，特定灰度值
%Image1(X,Y,s)=Image(X,Y,s);%保存原来颜⾊
end
t=[t;X,Y];%新坐标增加到临时变量中
end
elseif band==1
if( X>1&& X<m && Y>1&& Y<n &&abs(Image(X,Y,1)-Image(x,y,1))<=T &&Image1(X,Y)==0)
Image1(X,Y)= k;%给满⾜条件的点做上标记，特定灰度值
t=[t;X,Y];%新坐标增加到临时变量中
end
end
end
end
end
end
newseed=t;%新⽣长区域作为新种⼦
end
end
end
滑坡影像测试：（图中⽶字型标点为选择的点）
测试结果：（⿊⾊为背景⾊，根据代码给图像赋值具有区分度的灰度值，当然也可以保留原有颜⾊）
全自动洗衣机电路图
纳米技术论文
原图：
处理后赋值⾊彩：
处理后赋值灰度：
可以看出，最后分割结果可能与设置的阈值和搜索距离有关，当距离或者阈值太⼤可能导致合并现象，及多种⽬标合并成为⼀种。
参考⽂献：数字图像处理与机器视觉visual C++与matlab实现
和CSDN上各种⽂章
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议