《数字图像处理》实验十 区域生长 图像分割算法

matlab 数字图像处理

************************************************************************
> File Name: 《数字图像处理》实验十 区域生长 图像分割算法实验报告
> Author: 罗天涵
> Student-Id: 16121141
> Mail: luotianhan@126.com
************************************************************************
参考文章
https://blog.csdn.net/xiaqunfeng123/article/details/16971913

算法优劣

区域生长是一种串行区域分割的图像分割方法，其优点是基本思想相对简单，通常能将具有相同特征的联通区域分割出来，并能提供很好的边界信息和分割结果。在没有先验知识可以利用时，可以取得最佳的性能，可以用来分割比较复杂的图象，如自然景物。但是，区域生长法是一种迭代的方法，空间和时间开销都比较大，噪声和灰度不均一可能会导致空洞和过分割，并在对图像中的阴影效果处理上往往不是很好。 

算法描述

区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素具有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来，这样，一个区域就长成了。

区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。区域生长的好坏决定于1.初始点（种子点）的选取。2.生长准则。3.终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提取。

简单来说下三个法则，对出需要分割的图像：1、选取图像中的一点为种子点（种子点的选取需要具体情况具体分析）。2、在种子点处进行8邻域或4邻域扩展，判定准则是：如果考虑的像素与种子像素灰度值差的绝对值小于某个门限T，则将该像素包括进种子像素所在的区域。3、当不再有像素满足加入这个区域的准则时，区域生长停止。

算法实现

代码的思路都在下面

function [ output_args ] = area_growing_alg( input_args, thredshold_input)
%UNTITLED3 此处显示有关此函数的摘要
%   input_args raw image as gray format
%   thredshold_input input thredshold 
%   output_args convert image as gray format
I=rgb2gray(input_args);
figure,imshow(I),title('原始图像'); 
I=double(I);
% show raw png to get y,x 
[height,width]=size(I);
[y_double,x_double]=getpts;  %获得区域生长起始点
x=round(x_double);            %横坐标取整
y=round(y_double);            %纵坐标取整
seed=I(x,y);           %将生长起始点灰度值存入seed中
% show raw png to get y,x 
Tmp = zeros([height,width]);
Tmp(x,y) = 1;
sum = seed; 
seed_save=1;
seed_count = 1;
thredshold = thredshold_input;
close all;
while seed_count>0
    current_seed_gray_level = 0;
    seed_count = 0;
    for i=1:height
        for j=1:width
            if Tmp(i,j) == 1
                if (i-1)>0 && (i+1)<(height+1) ...
                        && (j-1)>0 && (j+1)<(width+1)%判断该点不在边缘
                    for m=-1:1
                        for n=-1:1
                            if Tmp(i+m,j+n)==0 && ...%首先该点周围的点应该没有被纳入生成的内容中
                                    abs(I(i+m,j+n)-seed) <= thredshold ... %其次，该点的灰度值需要小于我们设置的阈值
                                Tmp(i+m,j+n) = 1; % 成功判定，将内容输出到输出矩阵中
                                seed_count= seed_count+1;%种子数量加一
                                current_seed_gray_level = current_seed_gray_level + I(i+m,j+n); %累加灰度，最后求均值
                            end
                        end
                    end
                end
            end
        end
    end
end
seed_save = seed_save + seed_count;%获取所有种子的个数
sum = sum +current_seed_gray_level;
seed = sum/seed_save;%并计算灰度
output_args = Tmp;
end

实验结果

测试代码如下

test_png1 = imread('easy.png');
t1 = area_growing_alg(test_png1,100);
test_png2 = imread('选区_082.png');
t2 = area_growing_alg(test_png2,100);
figure;% 开一个新的图像区域
subplot(2, 2, 1); imshow(test_png1); title('raw image');
subplot(2, 2, 2); imshow(t1); title('sub image');
subplot(2, 2, 3); imshow(test_png2); title('raw image');
subplot(2, 2, 4); imshow(t2); title('sub image');
grid on

结果如下所示：
可见我们的分割算法还是可行的，但是对于绝对的闭环图形，比如第二行中的图片，我选取的生长点是外侧的白色部分，没此时生长算法就无法便利内部的白色区域了。因为黑色封锁死了白色区域的增长方向。这个现象在第四第三行的图片中可以很明显的表现出来（3,4行选择的是同一个黑色像素点

对于彩色的，或者是非二值图像而言。控制相同的选点相同，thredshold 的选定显得尤为重要。可以看下相同选点情况下，对于之前十字架的图片而言，75阈值和125阈值的区别：
但是无论结果如何，都体现出区域生长在处理阴影时候表现并不佳