图像分割之区域生长算法

时间：2020-12-07

1. 流程简述

算法流程：

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
   3.1 是，continue；
   3.2 否，检查点p(x,y)和种子区域的均值refAvg灰度差是否满足阈值；若满足，将p(x, y) push到堆栈中；若不满足，continue；
4. 计算新的种子区域的均值refAvg，找出离上一个种子"最近"的seed，更新堆栈顺序；
5. 重复步骤 2-3-4，直至种子堆栈为空。

3. 源码

源码v1.0，目前存在的问题是：

• 生长过程中，以下代码只会寻找下一个种子（仅一个），取决于迭代的顺序。最终，可能导致分割效果不同。

• 另一个问题是阈值的选择问题。

修改策略：自适应阈值？全局迭代？后续补充v2.0。

int negihborRegionCheck(
unsigned char
*pSrc,
unsigned char
*pDst,
seedInfo_t
*seedPts,
unsigned int
*seedCnt,
imageSize_t
srcSize,
unsigned char
threshold
) {
if (nullptr == pSrc || nullptr == pDst || nullptr == seedPts || nullptr == seedCnt ||
srcSize.width <= 0 || srcSize.height <= 0) {
// input err.
return -1;
}
// malloc buffer for seed list.
seedInfo_t *listSeedPts = (seedInfo_t *)malloc(sizeof(seedInfo_t) * MAX_SEED_NUM);
// get seedPts[]
memcpy(listSeedPts, seedPts, sizeof(seedInfo_t) * (*seedCnt));
// get 1-st seed pts.
int numRegSeedList = *seedCnt;
int resBoundary = 0;
int nbPts[8][2] = { {-1, -1},
{ 0, -1},
{ 1, -1},
{-1,
0},
{ 1,
0},
{-1,
1},
{ 0,
1},
{ 1,
1} };
// get region mean.
float refAvg = listSeedPts[0].var;
while (numRegSeedList > 0) {
#ifdef ENABLE_OPENCV
cv::Mat ori(srcSize.height, srcSize.width, CV_8UC1, (void *)pSrc);
cv::Mat dst(srcSize.height, srcSize.width, CV_8UC1, (void *)pDst);
#endif
// pop a seed.
int x = listSeedPts[0].pts.x;
int y = listSeedPts[0].pts.y;
pDst[y * srcSize.width + x] = 255;
// mark seed.
// iter stack.
for (int k = numRegSeedList - 1; k > 0; k--) {
listSeedPts[k - 1] = listSeedPts[k];
}
listSeedPts[numRegSeedList - 1].pts.x = 0;
listSeedPts[numRegSeedList - 1].pts.y = 0;
listSeedPts[numRegSeedList - 1].var = 0;
numRegSeedList -= 1;
for (int i = 0; i < 8; i++) {
unsigned int xn = x + nbPts[i][0];
unsigned int yn = y + nbPts[i][1];
resBoundary = ((xn >= 0) && (xn <= srcSize.width - 1) &&
(yn >= 0) && (yn <= srcSize.height - 1));
if (resBoundary && pDst[yn * srcSize.width + xn] == 0) {
if (fabs(pSrc[yn * srcSize.width + xn] - refAvg) <= threshold) {
pDst[yn * srcSize.width + xn] = 255;
// add seed to list, push pts in stack.
listSeedPts[numRegSeedList].pts.x = xn;
listSeedPts[numRegSeedList].pts.y = yn;
listSeedPts[numRegSeedList].var = pSrc[yn * srcSize.width + xn];
numRegSeedList += 1;
}
}
}
// find next seed.
int idx = 0;
int minVar = 255;
float sumReg = pSrc[y * srcSize.width + x];
for (int i = 0; i < numRegSeedList; i++) {
if (minVar >= fabs(pSrc[y * srcSize.width + x] - listSeedPts[i].var)) {
minVar = fabs(pSrc[y * srcSize.width + x] - listSeedPts[i].var);
idx = i;
}
sumReg += listSeedPts[i].var;
}
if (sumReg > 0 && numRegSeedList > 0) {
refAvg = sumReg / (numRegSeedList + 1);
}
// update list (swap element).
if (idx > 0) {
int tempVar = listSeedPts[0].var;
int tempX = listSeedPts[0].pts.x;
int tempY = listSeedPts[0].pts.y;
listSeedPts[0].var = listSeedPts[idx].var;
listSeedPts[0].pts.x = listSeedPts[idx].pts.x;
listSeedPts[0].pts.y = listSeedPts[idx].pts.y;
listSeedPts[idx].var = tempVar;
listSeedPts[idx].pts.x = tempX;
listSeedPts[idx].pts.y = tempY;
}
}
if (listSeedPts) {
free(listSeedPts);
}
return 0;
}

最后

以上就是平淡身影最近收集整理的关于图像分割之区域生长算法的全部内容，更多相关图像分割之区域生长算法内容请搜索靠谱客的其他文章。