Matlab實(shí)現(xiàn)區(qū)域生長算法11

第頁Matlab實(shí)現(xiàn)區(qū)域生長算法（南京航空航天大學(xué)機(jī)電學(xué)院機(jī)械工程系，南京2019年11月1日）摘要：圖像分割不僅是圖像處理領(lǐng)域的一個(gè)經(jīng)典的研究主題，也是圖像處理技術(shù)的熱點(diǎn)和焦點(diǎn)。隨著計(jì)算機(jī)處理技術(shù)的發(fā)展，圖像分割算法引起研究人員越來越多的關(guān)注。本文提出了基于傳統(tǒng)的種子區(qū)域生長算法的基礎(chǔ)上形成一種新的圖像自動(dòng)分割區(qū)域的方法。算法的實(shí)現(xiàn)主要基于Matlab編程實(shí)現(xiàn)。關(guān)鍵詞：圖像分割，種子區(qū)域生長算法，Matlab一、引言區(qū)域生長是一種古老的圖像分割方法，最早的區(qū)域生長圖像分割方法是由Levine等人提出的。該方法一般有兩種方式，一種是先給定圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊或者說種子區(qū)域(seedpoint)，再在種子區(qū)域基礎(chǔ)上不斷將其周圍的像素點(diǎn)以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有像素點(diǎn)結(jié)合成一個(gè)區(qū)域的目的；另一種是先將圖像分割成很多的一致性較強(qiáng)，如區(qū)域內(nèi)像素灰度值相同的小區(qū)域，再按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達(dá)到分割圖像的目的，典型的區(qū)域生長法如T.C.Pong等人提出的基于小面（facet）模型的區(qū)域生長法，區(qū)域生長法固有的缺點(diǎn)是往往會造成過度分割，即將圖像分割成過多的區(qū)域。區(qū)域生長是一種串行區(qū)域分割的圖像分割方法，其優(yōu)點(diǎn)是基本思想相對簡單，通常能將具有相同特征的聯(lián)通區(qū)域分割出來，并能提供很好的邊界信息和分割結(jié)果。在沒有先驗(yàn)知識可以利用時(shí)，可以取得最佳的性能，可以用來分割比較復(fù)雜的圖像，如自然景物。但是，區(qū)域生長法是一種迭代的方法，空間和時(shí)間開銷都比較大，噪聲和灰度不均勻可能會導(dǎo)致空洞和過分割，并在對圖像中的陰影效果處理上往往不是很好。區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。具體先對每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長的起點(diǎn)，然后將種子像素周圍鄰域中及種子像素具有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長或相似準(zhǔn)則來判定）合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程，直到再沒有滿足條件的像素可被包括進(jìn)來，這樣，一個(gè)區(qū)域就長成了。區(qū)域生長是指從某個(gè)像素出發(fā)，按照一定的準(zhǔn)則，逐步加入鄰近像素，當(dāng)滿足一定的條件時(shí)，區(qū)域生長終止。區(qū)域生長的好壞決定于1.初始點(diǎn)（種子點(diǎn)）的選取。2.生長準(zhǔn)則。3.終止條件。區(qū)域生長是從某個(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。簡單來說下三個(gè)法則，對出需要分割的圖像：1、選取圖像中的一點(diǎn)為種子點(diǎn)（種子點(diǎn)的選取需要具體情況具體分析）。2、在種子點(diǎn)處進(jìn)行8鄰域或4鄰域擴(kuò)展，判定準(zhǔn)則是：如果考慮的像素及種子像素灰度值相差的絕對值小于某個(gè)門限T，則將該像素包括進(jìn)種子像素所在的區(qū)域。3、當(dāng)不再有像素滿足加入這個(gè)區(qū)域的準(zhǔn)則時(shí)，區(qū)域生長停止。二、理論基礎(chǔ)及算法原理：首先確定每個(gè)區(qū)域中的某個(gè)已知點(diǎn)，加上及已知點(diǎn)相似的鄰近點(diǎn)形成一個(gè)區(qū)域，在這里利用區(qū)域的均值。當(dāng)鄰近點(diǎn)及區(qū)域均值的差值的絕對值小于閾值T時(shí)，即滿足生長條件。方法是從種子點(diǎn)開始，在8連通方向上生長區(qū)域，當(dāng)其鄰近點(diǎn)滿足生長條件，則就并入小快區(qū)域，當(dāng)新的點(diǎn)被合并后再用新的區(qū)域重復(fù)這一過程，直到?jīng)]有可接受的鄰近點(diǎn)時(shí)該區(qū)域生成過程終止。設(shè)計(jì)思路：1）通過具體觀察某幅圖像的直方圖，估計(jì)其確定種子點(diǎn)范圍[S1，S2]，并確定其閾值T;2）透過對整幅圖像的掃描，找出某個(gè)區(qū)域的一個(gè)種子點(diǎn)：3）開始利用8連通方向，以該種子點(diǎn)為中心進(jìn)行生成區(qū)域；4）繼續(xù)用8連通方向，以該區(qū)域?yàn)橹行?，把鄰近滿足生長條件的點(diǎn)并入，生成新的區(qū)域；5）重復(fù)4）步，直到不再存在鄰近滿足生長條件的點(diǎn)為止，該區(qū)域生成過程結(jié)束；6）繼續(xù)對圖像進(jìn)行掃描，尋找其他區(qū)域的一個(gè)種子點(diǎn)，按3）~5）的步驟進(jìn)行4、程序設(shè)計(jì)根據(jù)下面的流程圖可分為三、Matlab代碼實(shí)現(xiàn)其實(shí)現(xiàn)函數(shù)的內(nèi)容主要為以下部分：clc;clearall;closeall;image=imread('圖片1.bmp');I=rgb2gray(image);figure,imshow(I);I=double(I);[M,N]=size(I);[y,x]=getpts;%獲得區(qū)域生長起始點(diǎn)x1=round(x);%橫坐標(biāo)取整y1=round(y);%縱坐標(biāo)取整seed=I(x1,y1);%將生長起始點(diǎn)灰度值存入seed中Y=zeros(M,N);%作一個(gè)全零及原圖像等大的圖像矩陣Y，作為輸出圖像矩陣Y(x1,y1)=1;%將Y中及所取點(diǎn)相對應(yīng)位置的點(diǎn)設(shè)置為白場sum=seed;%儲存符合區(qū)域生長條件的點(diǎn)的灰度值的和suit=1;%儲存符合區(qū)域生長條件的點(diǎn)的個(gè)數(shù)count=1;%記錄每次判斷一點(diǎn)周圍八點(diǎn)符合條件的新點(diǎn)的數(shù)目threshold=15;%域值whilecount>0s=0;%記錄判斷一點(diǎn)周圍八點(diǎn)時(shí)，符合條件的新點(diǎn)的灰度值之和count=0;fori=1:Mforj=1:NifY(i,j)==1if(i-1)>0&&(i+1)<(M+1)&&(j-1)>0&&(j+1)<(N+1)%判斷此點(diǎn)是否為圖像邊界上的點(diǎn)foru=-1:1%判斷點(diǎn)周圍八點(diǎn)是否符合域值條件forv=-1:1%u,v為偏移量ifY(i+u,j+v)==0&&abs(I(i+u,j+v)-seed)<=threshold&&1/(1+1/15*abs(I(i+u,j+v)-seed))>0.8%判斷是否未存在于輸出矩陣Y，并且為符合域值條件的點(diǎn)Y(i+u,j+v)=1;%符合以上兩條件即將其在Y中及之位置對應(yīng)的點(diǎn)設(shè)置為白場count=count+1;s=s+I(i+u,j+v);%此點(diǎn)的灰度之加入s中endendendendendendendsuit=suit+count;%將n加入符合點(diǎn)數(shù)計(jì)數(shù)器中sum=sum+s;%將s加入符合點(diǎn)的灰度值總合中seed=sum/suit;%計(jì)算新的灰度平均值endfigure,imshow(Y);四、實(shí)驗(yàn)結(jié)果及分析將圖片路徑添加到程序中，點(diǎn)擊運(yùn)行獲得figure1注意，圖片是要進(jìn)行處理的，我們可以在Windows自帶的畫板中進(jìn)行編輯，將圖片改成bmp格式。1、原圖2、點(diǎn)擊figure1任意數(shù)字中的白色區(qū)域（獲得種子）會獲得figure2中的四種情況，分別展現(xiàn)出5、6、7、8。這樣一來，程序運(yùn)行獲得成功。五、總結(jié)此算法運(yùn)行速度很快，但精確度不夠高，因?yàn)樵O(shè)置的最小區(qū)域值決定了區(qū)域分割的準(zhǔn)確性，所以會有鋸齒狀的邊緣，這是一個(gè)缺點(diǎn)。同時(shí)也可以在此基礎(chǔ)上，增添一些其他的算法，例如對彩色圖像閾值的分割，這是今后學(xué)習(xí)中需要進(jìn)階和加強(qiáng)的。之后在壓縮包中將附上源程序以供參考。六、參考文獻(xiàn)[1]柯衛(wèi),王宏力,袁宇,崔祥祥,陸敬輝.基于區(qū)域生長法的星圖中星的提取方法[J].傳感器及微系統(tǒng).2019(12)2]王章玉,楊翠微.基于改進(jìn)型區(qū)域生長法的心臟三維建模的實(shí)現(xiàn)[J].中國醫(yī)療器械雜志.2019(05)[3]嚴(yán)深海,黃賢通,劉洋.種子區(qū)域生長法的改進(jìn)算法及其在釘螺圖像提取中的應(yīng)用[J]