區(qū)域生長是一種串行區(qū)域分割的圖像分割方法。區(qū)域生長是指從某個像素出發(fā)，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(qū)域生長終止。區(qū)域生長的好壞決定于1.初始點（種子點）的選取。2.生長準則。3.終止條件。區(qū)域生長是從某個或者某些像素點出發(fā)，最后得到整個區(qū)域，進而實現(xiàn)目標的提取。

區(qū)域生長的原理

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。具體先對每個需要分割的區(qū)域找一個種子像素作為生長起點，然后將種子像素和周圍鄰域中與種子像素有相同或相似性質(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。將這些新像素當作新的種子繼續(xù)上面的過程，直到?jīng)]有滿足條件的像素可被包括進來。這樣一個區(qū)域就生長成了。

區(qū)域生長實現(xiàn)的步驟如下：

1. 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）;

2. 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(qū)域內(nèi)）， 同時將（x， y）壓入堆棧;

3. 從堆棧中取出一個像素， 把它當作（x0， y0）返回到步驟2;

4. 當堆棧為空時！返回到步驟1;

5. 重復步驟1 - 4直到圖像中的每個點都有歸屬時。生長結(jié)束。

這個過程中有幾個關(guān)鍵的問題：

a》 給定種子點（種子點如何選取？）

種子點的選取很多時候都采用人工交互的方法實現(xiàn)，也有用其他方式的，比如尋找物體并提取物體內(nèi)部點作為種子點。

b》 確定在生長過程中能將相鄰像素包括進來的準則

灰度圖像的差值；彩色圖像的顏色等等。都是關(guān)于像素與像素間的關(guān)系描述。

c》 生長的停止條件

Python實現(xiàn)

灰度差值的區(qū)域生長算法實現(xiàn)

算法實現(xiàn)的步驟：

a》 創(chuàng)建一個空白的圖像（全黑）；

b》 將種子點存入vector中，vector中存儲待生長的種子點；

c》 依次彈出種子點并判斷種子點如周圍8領(lǐng)域的關(guān)系（生長規(guī)則），相似的點則作為下次生長的種子點；

d》 vector中不存在種子點后就停止生長。

貼圖看看使用該算法的圖像處理效果：

首先對原圖像進行二值化：

得到種子點的方法這里就不用介紹了，這個不是該算法的重點。得到兩個種子點（左右肺），分別使用區(qū)域生長算法得到左右肺區(qū)，然后與原圖進行與運算，得到結(jié)果：

分水嶺算法原理

灰度圖像可以被看成拓撲平面，灰度值高的區(qū)域可以看出山峰，灰度值低的區(qū)域可以看成是山谷。向每一個山谷當中灌不同顏色的水。水位升高，不同山谷的水會匯合，為防止不同山谷的水匯合，小在匯合處建立起堤壩。然后繼續(xù)灌水，然后再建立堤壩，直到山峰都掩模。構(gòu)建好的堤壩就是圖像的分割。

此方法通常會得到過渡分割的結(jié)果，因為圖像中的噪聲以及其他因素。為了減少此影響，opencv使用基于標記的分水嶺算法，此算法要設置哪些山谷中的匯合點，哪些不是。這是一種交互式的圖像分割算法那。我們要給已知對象打上不同表情。如果某個區(qū)域肯定是前景或?qū)ο螅褪褂媚硞€顏色或灰度值標簽標記它。如果是背景那么使用其他顏色進行標記，其余不能確定的部分用0標記。然后使用分水嶺算法，每次灌水，標簽會被更新，當兩個不同顏色的標簽相遇就會構(gòu)建堤壩，知道所有山峰掩模，最后得到的邊界對象值是-1。

python 代碼：

對挨在一起的對象進行分割。

要出去圖像中的白噪聲。可以使用形態(tài)學運算，使用閉運算去除對象中的空洞。

靠近對象中心的區(qū)域是前景，離對象遠的區(qū)域是背景，不確定的區(qū)域是邊界。

首先提取硬幣區(qū)域，使用腐蝕操作去掉邊緣，剩下的就是硬幣。但硬幣沒有接觸時，此方法有效，但是由于硬幣相互接觸，就要使用另外一種有效的方法：距離變換加上合適的閾值。

之后，要尋找不確定是否是硬幣的區(qū)域。這里需要膨脹操作。膨脹操作會將對象邊界延伸到背景當中。由于邊界區(qū)域被去除，現(xiàn)在就能知道哪些區(qū)域是前景，哪些是背景。

余下的區(qū)域不知道如何區(qū)分，那么使用分水嶺算法。這些區(qū)域通常是前景與背景的交界處。從能否確認是否是背景的區(qū)域中減去確定是前景的區(qū)域就得到了邊界。

（前景和背景）

使用作者的代碼后生產(chǎn)的結(jié)果，提取到了前景，為了演示一下不確定的區(qū)域，調(diào)了一下計算前景的距離變換的參數(shù)，使得中間出現(xiàn)不確定的區(qū)域）

這里面使用個cv2.distanceTransform函數(shù)

該函數(shù)用于計算2值圖象中所有像素離其最近的值為0像素的近似距離。

參數(shù)為

完整代碼

現(xiàn)在知道了那些背景是硬幣，可以創(chuàng)建標簽。（與原圖像大小相同，數(shù)據(jù)類型為int32的數(shù)組）。

對于已經(jīng)確定分類的區(qū)域，也就是背景和前景，使用整數(shù)標記，不確定的區(qū)域是用0標記。可以使用cv2.connectedComponents（）函數(shù)來實現(xiàn)此功能。它會將背景標記為0，其他標記為位從1開始的正整數(shù)。

但是，如果背景標記為0，那么分水嶺算法會將其當成位置區(qū)域，所以使用不同的整數(shù)進行標記，對于不確定的區(qū)域，函數(shù)標記為0.

結(jié)果使用JET顏色地圖表示。深藍色未知區(qū)域，硬幣區(qū)域使用不同顏色。其余部分用淺藍色。

使用分水嶺算法

效果不錯

編輯：jq