区域生长算法及其实现

背景

前面我们已经介绍了
最大熵分割法
OTSU算法
他们都有各自的优缺点，通常都不是单独使用这些算法，需要和其它算法来结合使用，前面两类算法都是单独对图像的灰度信息进行处理，不包含图像的空间信息，而区域生长算法则包含了图像的空间信息。

优点：

比较灵活，可以根据项目需要灵活的选择所需要的生长的规则，分割的效果比较好，通常可以较好的分割出种子点周围的区域。

缺点：

当要分割的区域不联通，被分割成一个个小的封闭区域时，会导致出来的只有种子点附近的一个小区域，分割不理想，区域生长算法容易受到噪声等的影响，同时由于该算法是迭代算法，算法的时间开销大。

算法原理：

步骤：

1、在图像中选取一个种子点（x,y）

2、根据生长规则，判断种子点周围8个点哪几个点可以作为下次生长的点，判断完后，将当前的种子标记为已使用。

3、判断下一生长点

4、直到不再有生长点。

哪么生长规则如何设定呢？大概有以下几种判断规则：灰度、梯度幅值等，例如：判断种子点与下一生长点之间的灰度差，如何小于某值，则将其加入种子点中。

算法流程：

1、将初始种子点存入vector

2、弹出1个种子点，根据生长规则判断周围8个点哪个符合规则，符合则加入到vector中

3、判断vector的size是不是为0，为0则结束，不为0则继续第二步

Opencv实现：

void Region_Growing(Mat input, Mat& output, Point2i fristseed, int value)
{vector<Point2i>allseed;              //保存种子allseed.push_back(fristseed);         //压入第一个种子int direction[8][2] = { { -1, -1 }, { 0, -1 }, { 1, -1 }, { 1, 0 }, { 1, 1 }, { 0, 1 }, { -1, 1 }, { -1, 0 } };//种子选取的顺序output = Mat::zeros(input.size(), CV_8UC1);               //创建一个黑图output.at<uchar>(fristseed.y, fristseed.x) = 255;         //第一个种子点设置为int cerseedvalue = 0;     //初始种子点的值int nextseedvalue = 0;    //与种子点相比较的下一点的值Point2i comparseed;       //与种子点相比较的下一点cerseedvalue = input.at<uchar>(fristseed.y, fristseed.x);    // 种子点的灰度值while (!allseed.empty()){fristseed = allseed.back();   //最后一个种子点的allseed.pop_back();           //弹出最后一个种子点for (int i = 0; i < 8; ++i){comparseed.x = direction[i][0] + fristseed.x;comparseed.y = direction[i][1] + fristseed.y;if (comparseed.x<0 || comparseed.x>(input.cols-1) || comparseed.y<0 || comparseed.y>(input.rows-1))continue;if (output.at<uchar>(comparseed.y, comparseed.x) == 0)   //判断有没有被使用过{nextseedvalue = input.at<uchar>(comparseed.y, comparseed.x);       //生长点的值if (abs(nextseedvalue - cerseedvalue) < value)//生长规则{allseed.push_back(comparseed);output.at<uchar>(comparseed.y, comparseed.x) =255;}}}}}

米粒

米粒分割图