区域生长法的编程实现——程序员数字图像处理第一步

数字图像处理的书数不胜数。

相关的方法，从直方图、卷积到小波、机器学习方面的方法也举不胜举。

OpenCV库给我们提供了一整套图像存储、显示方法外，也集成了很多很多的图像、视频处理算法以及机器学习算法，以函数的形式提供给我们使用。

然而在初学阶段，我们往往过分依赖于OpenCV中的那些库函数。

虽说OpenCV集成了很多高效算法，然而，毕竟不是无所不包。

OpenCV中基础的算法有时会缺失，有时用起来不是很得心应手。

区域生长算法就是一例。

区域生长法，思路很简单：将一个图像中的一点作为种子，此种子会沿8邻域/4邻域进行扩展，扩展具有一定限制（即差值不能过大，当然你可以引入梯度这个概念，甚至二维偏导数……），求出种子生长的最终结果。

把示例程序的几张结果发过来，何谓区域生长法，大家一看便知。

区域生长法对于较为均衡的背景中提取目标物而言，效果较为理想。

与阈值法、边缘检测法孰优孰劣，俺笔力及精力有限，不进行比较了。

单从工程角度，区域生长法是统计闭合图形个数的基础。

这里自己写了一下这个程序的演示代码，只负责将背景同生长不上去的区域分开：
[cpp]view plaincopy
regionGrowth函数详解
参数：
img：需要进行区域生长的图像，8位单通道的IplImage
p_map：整型数矩阵指针，宽高与图像相同，用于储存图像生长结果
矩阵已经被全部赋值为INIT(#define INIT 0)
x_g, y_g区域生长初始种子点
threshold_g区域生长邻域梯度的阈值
生长过程中存储中间数据的容器：
list<class g_point> cont_pts
//contour points 生长边缘链表
list<class g_point> cont_pts_pre
//contour points previously前次生长边缘链表
class g_point为自定义的一个类，具有3个整型数成员变量：x,y坐标以及点点类型函数lbl
处理过程：
第一步，初始生长点(x_g, y_g)：将此点坐标压入cont_pts_pre矩阵，并在矩阵上将此点标注为SEED
第二步，第一轮生长：
将cont_pts清空，存储此轮生长点边缘点。

访问cont_pts_pre中的每一个点，对点进行四邻域/八邻域生长条件判断。

若满足生长条件，1、将该点接到cont_pts末尾；供下轮生长使用。

2、在矩阵上将词典标注为SEED。

若不满足生长条件，之在矩阵上将此点标注为INVAL。

（以后的边界，便可由INVAL来确定）
这一步骤，是由程序中连着的8个if语句完成。

第三步，为下一轮生长做准备。

将cont_pts_pre清空，将cont_pts赋值给cont_pts_pre
接下来的步骤，第2、3、4、……轮生长
迭代终止条件：cont_pts_pre为空，则无点可生长。

处理结果
在p_map中，生长到的点取值为：SEED；未生长到的点：INIT；边界点：INVAL
在编写过程中，考虑过迭代次数、各类点的存储选择的数据结构等限制区域生长法效率的因素。

俺将日后写一个运算量、处理时间的评估报告。

RegionGrowth经过优化后的程序，在此处。

/detail/sera_ph/4505725
第一次上传资源，没有设置资源积分。

希望大家能用得爽快。

此程序可将不同的联通区域用区别开来，处理的结果为：。