區(qū)域生長(zhǎng)是一種串行區(qū)域分割的圖像分割方法。區(qū)域生長(zhǎng)是指從某個(gè)像素出發(fā)，按照一定的準(zhǔn)則，逐步加入鄰近像素，當(dāng)滿(mǎn)足一定的條件時(shí)，區(qū)域生長(zhǎng)終止。區(qū)域生長(zhǎng)的好壞決定于1.初始點(diǎn)（種子點(diǎn)）的選取。2.生長(zhǎng)準(zhǔn)則。3.終止條件。區(qū)域生長(zhǎng)是從某個(gè)或者某些像素點(diǎn)出發(fā)，最后得到整個(gè)區(qū)域，進(jìn)而實(shí)現(xiàn)目標(biāo)的提取。

區(qū)域生長(zhǎng)的原理

區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構(gòu)成區(qū)域。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)起點(diǎn)，然后將種子像素和周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定）合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子繼續(xù)上面的過(guò)程，直到?jīng)]有滿(mǎn)足條件的像素可被包括進(jìn)來(lái)。這樣一個(gè)區(qū)域就生長(zhǎng)成了。

區(qū)域生長(zhǎng)實(shí)現(xiàn)的步驟如下：

1. 對(duì)圖像順序掃描！找到第1個(gè)還沒(méi)有歸屬的像素， 設(shè)該像素為（x0， y0）;

2. 以（x0， y0）為中心， 考慮（x0， y0）的4鄰域像素（x， y）如果（x0， y0）滿(mǎn)足生長(zhǎng)準(zhǔn)則， 將（x， y）與（x0， y0）合并（在同一區(qū)域內(nèi)）， 同時(shí)將（x， y）壓入堆棧;

3. 從堆棧中取出一個(gè)像素， 把它當(dāng)作（x0， y0）返回到步驟2;

4. 當(dāng)堆棧為空時(shí)！返回到步驟1;

5. 重復(fù)步驟1 - 4直到圖像中的每個(gè)點(diǎn)都有歸屬時(shí)。生長(zhǎng)結(jié)束。

這個(gè)過(guò)程中有幾個(gè)關(guān)鍵的問(wèn)題：

a》 給定種子點(diǎn)（種子點(diǎn)如何選取？）

種子點(diǎn)的選取很多時(shí)候都采用人工交互的方法實(shí)現(xiàn)，也有用其他方式的，比如尋找物體并提取物體內(nèi)部點(diǎn)作為種子點(diǎn)。

b》 確定在生長(zhǎng)過(guò)程中能將相鄰像素包括進(jìn)來(lái)的準(zhǔn)則

灰度圖像的差值；彩色圖像的顏色等等。都是關(guān)于像素與像素間的關(guān)系描述。

c》 生長(zhǎng)的停止條件

Python實(shí)現(xiàn)

灰度差值的區(qū)域生長(zhǎng)算法實(shí)現(xiàn)

算法實(shí)現(xiàn)的步驟：

a》 創(chuàng)建一個(gè)空白的圖像（全黑）；

b》 將種子點(diǎn)存入vector中，vector中存儲(chǔ)待生長(zhǎng)的種子點(diǎn)；

c》 依次彈出種子點(diǎn)并判斷種子點(diǎn)如周?chē)?領(lǐng)域的關(guān)系（生長(zhǎng)規(guī)則），相似的點(diǎn)則作為下次生長(zhǎng)的種子點(diǎn)；

d》 vector中不存在種子點(diǎn)后就停止生長(zhǎng)。

貼圖看看使用該算法的圖像處理效果：

首先對(duì)原圖像進(jìn)行二值化：

得到種子點(diǎn)的方法這里就不用介紹了，這個(gè)不是該算法的重點(diǎn)。得到兩個(gè)種子點(diǎn)（左右肺），分別使用區(qū)域生長(zhǎng)算法得到左右肺區(qū)，然后與原圖進(jìn)行與運(yùn)算，得到結(jié)果：

分水嶺算法原理

灰度圖像可以被看成拓?fù)淦矫?，灰度值高的區(qū)域可以看出山峰，灰度值低的區(qū)域可以看成是山谷。向每一個(gè)山谷當(dāng)中灌不同顏色的水。水位升高，不同山谷的水會(huì)匯合，為防止不同山谷的水匯合，小在匯合處建立起堤壩。然后繼續(xù)灌水，然后再建立堤壩，直到山峰都掩模。構(gòu)建好的堤壩就是圖像的分割。

此方法通常會(huì)得到過(guò)渡分割的結(jié)果，因?yàn)閳D像中的噪聲以及其他因素。為了減少此影響，opencv使用基于標(biāo)記的分水嶺算法，此算法要設(shè)置哪些山谷中的匯合點(diǎn)，哪些不是。這是一種交互式的圖像分割算法那。我們要給已知對(duì)象打上不同表情。如果某個(gè)區(qū)域肯定是前景或?qū)ο?，就使用某個(gè)顏色或灰度值標(biāo)簽標(biāo)記它。如果是背景那么使用其他顏色進(jìn)行標(biāo)記，其余不能確定的部分用0標(biāo)記。然后使用分水嶺算法，每次灌水，標(biāo)簽會(huì)被更新，當(dāng)兩個(gè)不同顏色的標(biāo)簽相遇就會(huì)構(gòu)建堤壩，知道所有山峰掩模，最后得到的邊界對(duì)象值是-1。

python 代碼：

對(duì)挨在一起的對(duì)象進(jìn)行分割。

要出去圖像中的白噪聲?？梢允褂眯螒B(tài)學(xué)運(yùn)算，使用閉運(yùn)算去除對(duì)象中的空洞。

靠近對(duì)象中心的區(qū)域是前景，離對(duì)象遠(yuǎn)的區(qū)域是背景，不確定的區(qū)域是邊界。

首先提取硬幣區(qū)域，使用腐蝕操作去掉邊緣，剩下的就是硬幣。但硬幣沒(méi)有接觸時(shí)，此方法有效，但是由于硬幣相互接觸，就要使用另外一種有效的方法：距離變換加上合適的閾值。

之后，要尋找不確定是否是硬幣的區(qū)域。這里需要膨脹操作。膨脹操作會(huì)將對(duì)象邊界延伸到背景當(dāng)中。由于邊界區(qū)域被去除，現(xiàn)在就能知道哪些區(qū)域是前景，哪些是背景。

余下的區(qū)域不知道如何區(qū)分，那么使用分水嶺算法。這些區(qū)域通常是前景與背景的交界處。從能否確認(rèn)是否是背景的區(qū)域中減去確定是前景的區(qū)域就得到了邊界。

（前景和背景）

使用作者的代碼后生產(chǎn)的結(jié)果，提取到了前景，為了演示一下不確定的區(qū)域，調(diào)了一下計(jì)算前景的距離變換的參數(shù)，使得中間出現(xiàn)不確定的區(qū)域）

這里面使用個(gè)cv2.distanceTransform函數(shù)

該函數(shù)用于計(jì)算2值圖象中所有像素離其最近的值為0像素的近似距離。

參數(shù)為

完整代碼

現(xiàn)在知道了那些背景是硬幣，可以創(chuàng)建標(biāo)簽。（與原圖像大小相同，數(shù)據(jù)類(lèi)型為int32的數(shù)組）。

對(duì)于已經(jīng)確定分類(lèi)的區(qū)域，也就是背景和前景，使用整數(shù)標(biāo)記，不確定的區(qū)域是用0標(biāo)記?？梢允褂胏v2.connectedComponents（）函數(shù)來(lái)實(shí)現(xiàn)此功能。它會(huì)將背景標(biāo)記為0，其他標(biāo)記為位從1開(kāi)始的正整數(shù)。

但是，如果背景標(biāo)記為0，那么分水嶺算法會(huì)將其當(dāng)成位置區(qū)域，所以使用不同的整數(shù)進(jìn)行標(biāo)記，對(duì)于不確定的區(qū)域，函數(shù)標(biāo)記為0.

結(jié)果使用JET顏色地圖表示。深藍(lán)色未知區(qū)域，硬幣區(qū)域使用不同顏色。其余部分用淺藍(lán)色。

使用分水嶺算法

效果不錯(cuò)

編輯：jq