基于区域生长的图像分割

安康学院学年论文﹙设计﹚题目基于区域生长法的图像分割学生姓名周东阳2012020081所在院(系)电子与信息工程系专业班级电子信息工程2012级2班指导教师余顺园2015年6月25日安康学院学年论文（设计）第1页共7页基于区域生长法的图像分割作者：周东阳安康学院电子与信息工程系电子信息工程专业12级，陕西安康725000指导教师：余顺园【摘要】图像分割的目的是将图像划分为不同的区域，基于区域生长是以直接找寻区域为基础的分割技术。区域生长是一种根据事先定义的准则将像素或子区域聚合成为更大的区域的过程。基本方法是以一组“种子”点开始，将与种子点性质相似（诸如灰度级等）的相邻像素附加到生长区域的每个种子上。区域生长的一个问题是用公式描述一个终止规则。基本上，在没有像素满足加入某个区域的条件时，区域生长就会停止。在此次课程设计中，在算法的设计上充分反映了这一点。在遍历图像的过程中调用函数testnei，测试i,j点处的邻域满足条件的像素。将每次新增长的种子点作为下次遍历的中心点，直到区域不再生长。【关键词】区域生长种子点分割像素ImagesegmentationbasedonregiongrowingarithmeticAuthor：ZhouDongyangGradethree,Classtwo,MajorElectronicandInformationEngineering,Dept.，AnkangUniversity，Ankang725000，ShaanxiDirectedbyYuShunyuanAbstract:Imagesegmentationaimstodividetheimageintodifferentareas,basedonregiongrowingistofindregion-basedsegmentationtechniques.Criteriadefinedinadvancebytheregiongrowingisapixelorsub-regionalaggregateintobiggerregionalprocess.Basicmethodisbasedonasetofseedpoint,withseedssimilarinnature(suchasgrayscale)adjacentpixelsoneachattachtothegrowthregionoftheseed.Regiongrowingisoneoftheproblemswithformulasdescribingaterminationrule.Basically,nopixelswhenyoumeettheconditionsforjoiningaregional,regionalgrowthwillstop.Inthedesignofthiscourse,inalgorithmdesignfullyreflectsthat.Traversetheimagefunctioniscalledduringtestneitestingi,j安康学院学年论文（设计）第2页共7页neighborhoodatthepointwherepixelsmeettheconditions.Seedsofeachnewgrowthasthecenterpointofthenextloop,untiltheareaisnolongergrowing.Keywords：Regiongrowingseedssplitpixels0引言人们只关心在图像的研究和应用中的某些部分，这些部分经常被称为目标或前景，它们通常对应于图像的特定性质或特定领域。这就需要提取并将它们分辨识别和分析对象。在此基础上可能进一步对目标作用。图像分割是一种技术和工艺，它可以将其分为不同的区域形象特征，并提取有利的目标。这些特色可以是像素，灰度，颜色，质地等。图像分割是从图像处理到图像分析的关键步骤。一方面它是目标表达的基础，并对测量有重要影响。另一方面，作为图像分割是以分割为基础的描述，提取特征和测量参数使原始图像变得更抽象，形式更紧凑，以此来实现更高层次的图像分析和理解。在实际生活中，图像分割的应用也很广泛，几乎出现在所有图像处理的相关领域并涉及各种图像类型。例如。卫星图像处理遥感应用，图像的脑部MR分析在医药的应用等。在这些应用中，图像分割通常应用于图像的分析，识别和压缩编码等。提取的准确性将直接影响后续工作的成效，因此分割的方法和准确度非常重要。本文主要讨论基于区域生长的图像分割。区域生长是一种古老的图像分割方法，最早的区域生长图像分割方法是由Levine等人提出的。该方法一般有两种方式，一种是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的；另一种是先将图像分割成很多的一致性较强，如区域内像素灰度值相同的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的，典型的区域生长法如T.C.Pong等人提出的基于小面（facet）模型的区域生长法，区域生长法固有的缺点是往往会造成过度分割，即将图像分割成过多的区域。1基于区域生长的图像分割的实现方法区域生长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。基本方法是以一组种子点开始，将与种子性质相似的相邻像素附加到生长区域的每个种子上。区域生长算法的重点是：种子点的选取生长准则的确定安康学院学年论文（设计）第3页共7页算法流程设计：图1：算法设计流程(1)、图像读取：A=imread('4.jpg');B=rgb2gray(A);f=double(B);figureimshow(f);title('源图像');(2)、以种子点对原图像二值分割：seed=175;S=abs(double(f)-double(seed))70;%以初始种子点进行二值图像分割；figureimshow(S);title('初始种子点');(3)、以种子点进行区域生长：以种子点所在位置开始遍历，当判断满足种子点条件时调用函数：functionA=neitest(i,j,f,T);%返回当前（i，j）位置种子点的S=Stemp;%更新当前位置的8邻域满足阈值条件的点；使S中始终加入最近的种子点。最终循环条件截止条件：if(sum(sum(abs(double(S)-double(sd))))==0)%当前一次的种子加入点数和本次的相同时说明生长完毕，种子不再生长；break;end(4)、对生长完毕的图像进行膨胀操作：图像读取设定种子点值二值图像分割以种子点进行区域生长对生长完成图像膨胀输出显示对图像中值滤波安康学院学年论文（设计）第4页共7页B=[111;111;111];S=imdilate(S,B);figureimshow(S)title('膨胀后的图像')（5）、对膨胀后的图像进行中值滤波：C=medfilt2(S,[55]);figureimshow(C)title('经过中值滤波后的图像');2功能描述（1）、对图像进行种子点的选取，并进行阈值分割操作，在种子点的选取上可以借助图像的灰度直方图，看目标图像的灰度取值范围，然后取其中间值作为种子值并允许其灰度值在±70范围内。（2）、函数functionA=neitest(i,j,f,T)能够对当前（i，j）坐标点像素进行判断，在其8邻接的像素点上满足阈值条件的点坐标将通过A返回。（3）、能够对每次新增的种子点进行判断其周围点的可行性，用循环方法不断将新增的种子点加入区域，并用阈值条件进行生长。（4）、对区域生长后的图像进行膨胀操作处理，使得在对图像中灰度值较高的密集点区域变得更大。防止断线，对象图像中的瑕点更减少，视觉效果更好。（5)、再对膨胀后的图像进行中值滤波处理，使得对象图像中的瑕点进一步减少，对象图像更加连续，几乎感觉不到瑕点的存在。3测试结果(1)、读显原图A=imread('4.jpg');B=rgb2gray(A);f=double(B);figureimshow(f);title('源图像');安康学院学年论文（设计）第5页共7页图2源图像(2)、源图像的灰度直方图，可知目标区域的灰度值主要集中在120~255范围内。Figureimhist(B);title('灰度直方图');图3灰度直方图(3）、对图像进行种子点的选取，Seed=175，并对其进行逻辑阈值分割Savlue=175;S=(abs(double(f)-double(Svalue))70);imshow(S);图4初始种子点（4）、按照上图图像选出的种子点对图像进行区域生长，按照阈值T=45，每次运算只进行区域安康学院学年论文（设计）第6页共7页生长中的新种子点，判断生长停止条件为本次生长和上次生长后的新增种子点为0。图5生长后图像（5）、对区域生长后的图像进行膨胀使得在对图像中灰度值较高的密集点区域变得更大。B=[111;111;111];S=imdilate(S,B);figureimshow(S)title('膨胀后的图像');图6膨胀后图像（6）、对上面的图像进行中值滤波处理，使对象图像中的瑕点大大减少，真强图像的实际效果。C=medfilt2(S,[77]);figureimshow(C)title('经过中值滤波后的图像');图7经过中值滤波图像4结果分析：安康学院学年论文（设计）第7页共7页通过运行程序得到上述图形结果，分析之可知用区域生长法分割图像的关键在于种子数的选取及阈值的确定，在图像的细节不是太多的情况下，我们可以通过图像的灰度直方图来确定种子数的大致范围，以及阈值的大小，然后通过运行程序，观察结果，不断调整种子数、阈值的大小，以达到分割的最佳效果。另外对区域生长后的图像进行膨胀操作处理，使得在对象图像中灰度值较高的密集点区域变得更大。防止断线，对对象图像中的瑕点更少，视觉效果更好，再对膨胀后的图像进行中值滤波处理，使得对象图像中的瑕点进一步减少，对象图像更加连续，几乎感觉不到瑕点的存在。5学年论文总结本次课程设计题目是基于区域生长的图像分割，一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。基本方法是以一组种子点开始，将与种子性质相似的相邻像素附加到生长区域的每个种子上。区域生长算法的重点是种子点的选择和生长准则的确定。在程序设计上实现了能够记录每次种子点生长时新增的种子点，在下次的生长过程中以上次新增的种子点继续生长。当没用新增种子点时标明生长完成，此时终止生长条件。在课程设计期间，遇到的最主要问题是：1、如何记录当前的新增种子点以及以新增种子点进入下次的生长过程。2、区域生长终止条件程序如何设计等。但经过反复的推敲，对区域生长原理的不断理解，最终问题得以解决。[参考文献][1]高秀娟.图像分割的理论、方法及应用[J].吉林大学.2006[2]刘刚.MATLAB数字图像处理[M].北京:机械工业出版，2010[3]张甫,李兴来,陈佳君.浅谈图像分割方法的研究应用[J].科技创新与应用，2012年04期[4]竺子民.光电图像处理[M].华中科技大学出版社，2000[5](美）冈萨雷斯.数字图像处理〈MATLAB〉版[M].电子工业出版社，2004