OpenCV與圖像處理學習十——區域生長算法（含代碼）

• 一、區域生長算法概要
• 二、區域生長算法原理
• 三、代碼應用

一、區域生長算法概要

區域生長是一種串行區域分割的圖像分割方法。區域生長是指從某個像素出發，按照一定的準則，逐步加入鄰近像素，當滿足一定的條件時，區域生長終止。

區域生長的好壞決定于：

初始點（種子點）的選取。

生長準則。

終止條件。

區域生長是從某個或者某些像素點出發，最后得到整個區域，進而實現目標的提取。

二、區域生長算法原理

基本思想：將具有相似性質的像素集合起來構成區域。

步驟：

對圖像順序掃描，找到第1個還沒有歸屬的像素, 設該像素為(x0, y0);

以(x0, y0)為中心, 考慮(x0, y0)的4鄰域像素(x, y)如果(x0,y0)滿足生長準則, 將(x, y)與(x0, y0)合并(在同一區域內), 同時將(x, y)壓入堆棧（即滿足條件，被判定為和(x0, y0)屬于一個區域，后面需要再從這些點往外繼續生長，所以需要保存）；

從堆棧中取出一個像素, 把它當作(x0, y0)返回到步驟2（繼續往外生長）；

當堆棧為空時，返回到步驟1（有像素可能不屬于前面的區域）；

重復步驟1 - 4直到圖像中的每個點都有歸屬時；生長結束。

三、代碼應用

這里為簡單起見，我們只設置了一個區域，即上述步驟中的第四步改為，當堆棧為空時，生長結束。

我們需要分割的圖像如下所示：

我們將生長準則設置為像素值之間的歐式距離小于某個閾值，也就是說相鄰像素值的差異較小時，歸類為一個區域，代碼如下所示：

# -*- coding:utf-8 -*- import cv2 import numpy as np ########################################################################################################################################################################### class Point(object):def __init__(self, x, y):self.x = xself.y = ydef getX(self):return self.xdef getY(self):return self.y connects = [Point(-1, -1), Point(0, -1), Point(1, -1), Point(1, 0),Point(1, 1), Point(0, 1), Point(-1, 1), Point(-1, 0)] ##################################################################################### # 計算兩個點間的歐式距離 def get_dist(seed_location1, seed_location2):l1 = im[seed_location1.x, seed_location1.y]l2 = im[seed_location2.x, seed_location2.y]count = np.sqrt(np.sum(np.square(l1-l2)))return count# import Image im = cv2.imread('./image/222.jpg') cv2.imshow('src', im) cv2.waitKey(0) cv2.destroyAllWindows() im_shape = im.shape height = im_shape[0] width = im_shape[1]print('the shape of image :', im_shape)# 標記，判斷種子是否已經生長 img_mark = np.zeros([height, width]) cv2.imshow('img_mark', img_mark) cv2.waitKey(0) cv2.destroyAllWindows()# 建立空的圖像數組,作為一類 img_re = im.copy() for i in range(height):for j in range(width):img_re[i, j][0] = 0img_re[i, j][1] = 0img_re[i, j][2] = 0 cv2.imshow('img_re', img_re) cv2.waitKey(0) cv2.destroyAllWindows() # 取一點作為種子點 seed_list = [] seed_list.append(Point(15, 15)) T = 7 # 閾值 class_k = 1 # 類別 # 生長一個類 while (len(seed_list) > 0):seed_tmp = seed_list[0]# 將以生長的點從一個類的種子點列表中刪除seed_list.pop(0)img_mark[seed_tmp.x, seed_tmp.y] = class_k# 遍歷8鄰域for i in range(8):tmpX = seed_tmp.x + connects[i].xtmpY = seed_tmp.y + connects[i].yif (tmpX < 0 or tmpY < 0 or tmpX >= height or tmpY >= width):continuedist = get_dist(seed_tmp, Point(tmpX, tmpY))# 在種子集合中滿足條件的點進行生長if (dist < T and img_mark[tmpX, tmpY] == 0):img_re[tmpX, tmpY][0] = im[tmpX, tmpY][0]img_re[tmpX, tmpY][1] = im[tmpX, tmpY][1]img_re[tmpX, tmpY][2] = im[tmpX, tmpY][2]img_mark[tmpX, tmpY] = class_kseed_list.append(Point(tmpX, tmpY))######################################################################################## # 輸出圖像 cv2.imshow('OUTIMAGE', img_re) cv2.waitKey(0) cv2.destroyAllWindows()

分割得到的結果如下所示：

很顯然，天空的像素值較為接近，所以被生長為一片區域，而房屋的像素與天空的差異較大，當天空的區域生長結束之后，因為這里只設置了分割一塊區域，所以下面的房屋部分沒有遍歷到。

總結

以上是生活随笔為你收集整理的OpenCV与图像处理学习十——区域生长算法（含代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。