区域生长算法的一种C++实现

　　区域生长算法是一种图像分割方法，能够将图像中具有相同特征的连通区域分割出来，同时保证较好的边缘信息。

　　区域生长算法的优点是简单，容易实现；但空间和时间复杂度较高，对分割图像要求较高，否则容易形成孔洞和过分割。

　　区域生长算法的基本思想是首先获取分割区域的一个种子点，然后在种子点的周围搜索与该种子点有相似性质的像素点，合并到种子区域中。然后将合并的像素作为新的种子点继续搜索，直到种子区域中所有像素周围没有相似的像素点，算法结束。

　　如果要实现区域生长算法，基本算法流程是：

　　1. 选取种子点p（x0，y0），用堆栈表示种子区域，将种子点push到种子堆栈中

　　2. 将种子堆栈中第一个种子点pop出堆栈，并以该点为中心，遍历该中心8邻域像素

　　3. 判断遍历像素点是否已经在种子区域中，如果否，判断遍历像素点是否满足相邻种子点相似性，如果像素点（x，y）满足相似性，将（x，y）push到堆栈中

　　4. 重复步骤 2-3，直至种子堆栈为空。

　　从基本思想可以知道，影响区域生长算法的要素有三个：种子点的选取；搜索路径的选择；像素相似性的判断。

　　种子点的选取：一般情况下，区域生长算法是半交互式的分割算法，需要用户选取种子点。也可以是通过其他算法计算出来的种子点。

　　搜索路径的选择：搜索路径一般选择相邻的像素，以二维图像为例，一般为8邻域搜索，或者4邻域搜索；以三维图像为例，一般为26邻域搜索或者6邻域搜索。

　　像素相似性的判断：相似性一般以像素值的相近程度为判断标准，例如，可以设置一定灰度范围做为相似的标准。也可以通过计算满足某种形状或者性质作为判断标准。

　　接着根据上文中提到的算法，作者提出一种C++的实现方法，该实现不基于任何类库，以二维图像为例，假设图像的数据类型为char型。

首先，为了便于操作，需要定义种子点的类：

class Point2D
{
public:
    Point2D(){}
    Point2D(int ix, int iy)
    {
        this->x = ix;
        this->y = iy;
    }

    ~Point2D(){}

    Point2D operator+(const Point2D& a) const
    {
        return Point2D(x + a.x, y + a.y);
    }

    Point2D operator-(const Point2D& a) const
    {
        return Point2D(x - a.x, y - a.y);
    }

    bool operator=(const Point2D & a)
    {
        return (x == a.x && y == a.y);
    }

    int x;
    int y;
};

然后，定义种子点的邻域信息：

const Point2D PointShift2D[8] =
{
    Point2D(1, 0),
    Point2D(1, -1),
    Point2D(0, -1),
    Point2D(-1, -1),
    Point2D(-1, 0),
    Point2D(-1, 1),
    Point2D(0, 1),
    Point2D(1, 1)
};

然后，定义区域生长算法类的头文件：

class RegionGrowing
{
public:
    RegionGrowing();
    ~RegionGrowing();

    void SetInputData(char *pData, int width, int height);

    void SetSeedPoint(Point2D &p);

    void SetThreshold(int low, int hight);

    bool RegionGrow2D();

    char* GetOutput();

private:
    int LowThreshold;
    int HighThreshold;

    int Width;
    int Height;

    char *InputData;
    char *OutputData;

    Point2D SeedPoint;
};

然后，是区域生长算法类的实现：

#include "RegionGrowing.h"
#include <stack>

RegionGrowing::RegionGrowing()
{
    this->InputData = nullptr;
    this->OutputData = nullptr;
}

RegionGrowing::~RegionGrowing()
{

}

void RegionGrowing::SetInputData(char *pData, int width, int height)
{
    this->InputData = pData;
    this->Width = width;
    this->Height = height;
}

void RegionGrowing::SetSeedPoint(Point2D &p)
{
    this->SeedPoint = p;
}

void RegionGrowing::SetThreshold(int low, int high)
{
    this->LowThreshold = low;
    this->HighThreshold = high;
}

bool RegionGrowing::RegionGrow2D()
{
    if (this->InputData == nullptr || this->OutputData == nullptr)
    {
        return false;
    }

    int index = this->SeedPoint.y * this->Width + this->SeedPoint.x;
    int seedValue = this->InputData[index];

    std::stack<Point2D> pointStack;
    pointStack.push(this->SeedPoint);

    memset(this->OutputData, 0, sizeof(char)*this->Width*this->Height);

    while (!pointStack.empty())
    {
        Point2D topPoint = pointStack.top();
        pointStack.pop();

        for (int i = 0; i < 8; i++)
        {
            Point2D p = topPoint + PointShift2D[i];

            index = p.y * this->Width + p.x;

            if (this->InputData[index] > this->LowThreshold &&
　　　　　　　　this->InputData[index] < this->HighThreshold &&
              this->OutputData[index] == 0)
            {
                this->OutputData[index] = 126;
                pointStack.push(p);
            }
        }
    }

    return true;
}

char* RegionGrowing::GetOutput()
{
    return this->OutputData;
}

 

 声明本博客文章未特殊注明均为原创，转载请注明作者和原地址