Matlab-图像分割之区域生长法
区域增长是一种区域分割方法。假定区域的数目以及在每个区域中种子点的位置已知，则从该已知点开始，加上与已知点相似的邻近点形成一个区域。
(1)相似性准则可以是灰度级、彩色、组织、梯度或其它特性；
(2)相似性的测度可以由所确定的阈值来判定。
(3)从满足检测准则的点开始，在各个方向上生长区域，如果其邻近点满足检测准则就并入区域中；
(4)重复这一过程，直到没有可接受的邻近点后，区域增长过程终止。
区域生长法的其优点是基本思想相对简单，通常能将具有相同特征的联通区域分割出来，并能提供很好的边界信息和分割结果。在没有先验知识可以利用时，可以取得最佳的性能，可以用来分割比较复杂的图象，如自然景物。但是，区域生长法是一种迭代的方法，空间和时间开销都比较大，噪声和灰度不均一可能会导致空洞和过分割，并在对图像中的阴影效果处理上往往不是很好。
代码实现
function [seg, seg_arr, reg_info] = region_grow1(im, seg, criterion, connectivity)
% 输入参数:
% im: 用于分区的图像
% seg: 图像初始标签矩阵，与im大小相同。通常它的每个像素都有不同的标签值
% criterion: 判断区域合并与否的条件值
% connectivity: 邻域连通的大小，取4或8
% 输出参数:
% seg: 分割后的图像
% seg_arr: 每次循环处理的图像分割的结果，是中间图像
% reg_info: 记录各个分割区域的信息的结构
rows = size(im, 1); %计算图像行数
cols = size(im, 2); %计算图像列数
reg_info = repmat(struct('size', 0, ... %记录图像大小
'crt', 0, ... %记录规则
'row_coord', [], ... %记录区域行坐标
'col_coord', []), 1, rows*cols); %记录区域列坐标
%从初始划分中收集已有区域的信息
for m = 1:rows
for n = 1:cols
c_lab = seg(m, n);
reg_info(c_lab).size = reg_info(c_lab).size + 1;
%计算每一个区域的均值
reg_info(c_lab).crt = double(...
((reg_info(c_lab).size-1) * reg_info(c_lab).crt + im(m,n)) / ...
reg_info(c_lab).size);
reg_info(c_lab).row_coord = [reg_info(c_lab).row_coord m];
reg_info(c_lab).col_coord = [reg_info(c_lab).col_coord n];
end
end
changed = 1; %假设第一次循环区域划分会发生变化
iter = 0; %记录循环次数
%图像发生变化时，按照规则继续分割图像
while(changed)
disp(['Currently in iteration: ' num2str(iter+1)]);
changed = 0;
for m = 1:rows
for n = 1:cols
c_lab=seg(m, n); %获得当前像素的标签值
%获取当前像素的4-连通或8-连通邻域的像素坐标
if (connectivity == 4)
ngb = get4ngb(rows, cols, m, n);
end
if (connectivity == 8)
ngb = get8ngb(rows, cols, m, n);
end
%检查所有邻域像素的标签值，按照规则依次判断是否与当前像素同区
for k = 1:size(ngb, 2)
n_lab = seg(ngb(1, k), ngb(2, k));
if(n_lab ~= c_lab)
if(abs(reg_info(n_lab).crt - reg_info(c_lab).crt) < criterion)
%更改标签值等于c_lab的区域的均值
reg_info(c_lab).crt = (reg_info(c_lab).size * reg_info(c_lab).crt + ...
reg_info(n_lab).size * reg_info(n_lab).crt) / ...
(reg_info(c_lab).size + reg_info(n_lab).size);
%更改该区域的大小
reg_info(c_lab).size = reg_info(c_lab).size + reg_info(n_lab).size;
%给该区域中的所有像素赋标签值c_lab
tmp_row_coord = reg_info(n_lab).row_coord;
tmp_col_coord = reg_info(n_lab).col_coord;
for p = 1:reg_info(n_lab).size
seg(tmp_row_coord(p), tmp_col_coord(p)) = c_lab;
end
%更改该区域内所有像素的坐标
reg_info(c_lab).row_coord = [reg_info(c_lab).row_coord reg_info(n_lab).row_coord];
reg_info(c_lab).col_coord = [reg_info(c_lab).col_coord reg_info(n_lab).col_coord];
reg_info(n_lab).size = 0;
changed = 1;
end
end
end
end
end
iter = iter+1;
%将本次循环结果存在放到seg_arr中，用于验证。
%其中第一个图像是初始的分割图像
seg_arr(:, :, iter) = seg;
end
%清空reg_info
index = 1;
for m = 1:max(max(seg))
if (reg_info(m).size > 0)
tmp_reg_info(index) = reg_info(m);
index = index+1;
end
end
reg_info = tmp_reg_info;
function ngb = get4ngb(rows,cols,x,y)
% 用来获取矩阵中一个元素的4-连通相邻元素的坐标，结果存放在ngb中。
% 如果(x,y)是矩阵边界或顶角元素，获取的将是实际的相邻元素的坐标。如边界
% 像素有3个相邻元素，而顶角元素有2个。
if ((x == 1) & (y == 1)) % 处理左上角
ngb(1:2,1:1) = [2 1]';
ngb(1:2,2:2) = [1 2]';
elseif ((x == rows) & (y == 1)) % 处理左下角
ngb(1:2,1:1) = [rows 2]';
ngb(1:2,2:2) = [(rows - 1) 1]';
elseif (y == 1) % 处理左边界
ngb(1:2,1:1) = [(x+1) 1]';
ngb(1:2,2:2) = [x 2]';
ngb(1:2,3:3) = [(x-1) 1]';
elseif ((x == 1) & (y == cols)) % 处理右上角
ngb(1:2,1:1) = [1 (cols-1)]';
ngb(1:2,2:2) = [2 cols]';
elseif ((x == rows) & (y == cols)) % 处理右下角
ngb(1:2,1:1) = [rows (cols-1)]';
ngb(1:2,2:2) = [(rows-1) cols]';
elseif (y == cols) % 处理右边界
ngb(1:2,1:1) = [(x+1) cols]';
ngb(1:2,2:2) = [x (cols-1)]';
ngb(1:2,3:3) = [(x-1) cols]';
elseif (x == 1) % 处理上边界
ngb(1:2,1:1) = [1 (y-1)]';
ngb(1:2,2:2) = [2 y]';
ngb(1:2,3:3) = [1 (y+1)]';
elseif (x == rows) % 处理下边界
ngb(1:2,1:1) = [rows (y-1)]';
ngb(1:2,2:2) = [(rows-1) y]';
ngb(1:2,3:3) = [rows (y+1)]';
else %其他
ngb(1:2,1:1) = [(x-1) y]';
ngb(1:2,2:2) = [x (y-1)]';
ngb(1:2,3:3) = [(x+1) y]';
ngb(1:2,4:4) = [x (y+1)]';
end
function ngb = get8ngb(rows,cols,x,y)
% 用来获取矩阵中一个元素的8-连通相邻元素的坐标，结果存放在ngb中。
% 如果(x,y)是矩阵边界或顶角元素，获取的将是实际的相邻元素的坐标。如边界
% 像素有5个相邻元素，而顶角元素有3个。
if ((x == 1) & (y == 1)) % 处理左上角
ngb(1:2,1:1) = [2 1]';
ngb(1:2,2:2) = [2 2]';
ngb(1:2,2:2) = [1 2]';
elseif ((x == rows) & (y == 1)) % 处理左下角
ngb(1:2,1:1) = [rows 2]';
ngb(1:2,2:2) = [(rows - 1) 2]';
ngb(1:2,2:2) = [(rows - 1) 1]';
elseif (y == 1) % 处理左边界
ngb(1:2,1:1) = [(x+1) 1]';
ngb(1:2,2:2) = [(x+1) 2]';
ngb(1:2,2:2) = [x 2]';
ngb(1:2,4:4) = [(x-1) 2]';
ngb(1:2,3:3) = [(x-1) 1]';
elseif ((x == 1) & (y == cols)) % 处理右上角
ngb(1:2,1:1) = [1 (cols-1)]';
ngb(1:2,2:2) = [2 (cols-1)]';
ngb(1:2,2:2) = [2 cols]';
elseif ((x == rows) & (y == cols)) % 处理右下角
ngb(1:2,1:1) = [rows (cols-1)]';
ngb(1:2,2:2) = [(rows-1) (cols-1)]';
ngb(1:2,2:2) = [(rows-1) cols]';
elseif (y == cols) % 处理右边界
ngb(1:2,1:1) = [(x+1) cols]';
ngb(1:2,2:2) = [(x+1) (cols-1)]';
ngb(1:2,3:3) = [x (cols-1)]';
ngb(1:2,4:4) = [(x-1) (cols-1)]';
ngb(1:2,5:5) = [(x-1) cols]';
elseif (x == 1) % 处理上边界
ngb(1:2,1:1) = [1 (y-1)]';
ngb(1:2,2:2) = [2 (y-1)]';
ngb(1:2,3:3) = [2 y]';
ngb(1:2,4:4) = [2 (y+1)]';
ngb(1:2,5:5) = [1 (y+1)]';
elseif (x == rows) % 处理下边界
ngb(1:2,1:1) = [rows (y-1)]';
ngb(1:2,2:2) = [(rows-1) (y-1)]';
ngb(1:2,3:3) = [(rows-1) y]';
ngb(1:2,4:4) = [(rows-1) (y+1)]';
ngb(1:2,5:5) = [rows (y+1)]';
else %其他
ngb(1:2,1:1) = [(x-1) y]';
ngb(1:2,2:2) = [(x-1) (y-1)]';
ngb(1:2,3:3) = [x (y-1)]';
ngb(1:2,4:4) = [(x+1) (y-1)]';
ngb(1:2,5:5) = [(x+1) y]';
ngb(1:2,6:6) = [(x+1) (y+1)]';
ngb(1:2,7:7) = [x (y+1)]';
ngb(1:2,8:8) = [(x-1) (y+1)]';
end
P = imread('cameraman.jpg');
[row, col] = size(P);
i = 1;
for con = 4:4:8
for crt = 2:2:12
seg = reshape(1:row*col, row, col); % 生成初始标签矩阵
[seg,seg_arr,reg_info] = region_grow1(P, seg, crt, con);
seg = im2uint8(uint16(seg)); % 将double类型数据转换成uint16类型后映射到uint8类型
subplot(2,6,i),imshow(seg);
title([num2str(con),'邻域下',' 均值之差<',num2str(crt)])
i = i+1;
end
end
结果展示
