基于區(qū)域生長的圖像分割

1、安康學(xué)院學(xué)年論文設(shè)計題 目 基于區(qū)域生長法的圖像分割 學(xué)生姓名 周東陽 2012020081 所在院(系 電子與信息工程系 專業(yè)班級 電子信息工程2012級2班 指導(dǎo)教師 余順園 2015年6月25日基于區(qū)域生長法的圖像分割作者：周東陽安康學(xué)院電子與信息工程系電子信息工程專業(yè)12級，陜西 安康 725000指導(dǎo)教師：余順園【摘要】圖像分割的目的是將圖像劃分為不同的區(qū)域，基于區(qū)域生長是以直接找尋區(qū)域為基礎(chǔ)的分割技術(shù)。區(qū)域生長是一種根據(jù)事先定義的準則將像素或子區(qū)域聚合成為更大的區(qū)域的過程。基本方法是以一組“種子”點開始，將與種子點性質(zhì)相似（諸如灰度級等）的相鄰像素附加到生長區(qū)域的每個種子上。區(qū)域生

2、長的一個問題是用公式描述一個終止規(guī)則。基本上，在沒有像素滿足加入某個區(qū)域的條件時，區(qū)域生長就會停止。在此次課程設(shè)計中，在算法的設(shè)計上充分反映了這一點。在遍歷圖像的過程中調(diào)用函數(shù)testnei，測試i,j點處的鄰域滿足條件的像素。將每次新增長的種子點作為下次遍歷的中心點，直到區(qū)域不再生長?！娟P(guān)鍵詞】 區(qū)域生長 種子點 分割 像素Image segmentation based on region growing arithmeticAuthor：ZhouDongyangGrade three ,Class two,Major Electronic and Information Engineer

3、ing ,Dept.，Ankang University，Ankang 725000，ShaanxiDirected by YuShunyuanAbstract: Image segmentation aims to divide the image into different areas, based on region growing is to find region-based segmentation techniques. Criteria defined in advance by the region growing is a pixel or sub-regional ag

4、gregate into bigger regional process. Basic method is based on a set of "seed" point, with seeds similar in nature (such as grayscale adjacent pixels on each attach to the growth region of the seed.     Region growing is one of the problems with formulas describing a termina

5、tion rule. Basically, no pixels when you meet the conditions for joining a regional, regional growth will stop. In the design of this course, in algorithm design fully reflects that. Traverse the image function is called during testneitesting i,j neighborhood at the point where pixels meet the condi

6、tions. Seeds of each new growth as the center point of the next loop, until the area is no longer growing.Key words：Region growing seeds split pixels0 引言人們只關(guān)心在圖像的研究和應(yīng)用中的某些部分，這些部分經(jīng)常被稱為目標或前景，它們通常對應(yīng)于圖像的特定性質(zhì)或特定領(lǐng)域。這就需要提取并將它們分辨識別和分析對象。在此基礎(chǔ)上可能進一步對目標作用。圖像分割是一種技術(shù)和工藝，它可以將其分為不同的區(qū)域形象特征，并提取有利的目標。這些特色可以是像素，灰度，顏色，

7、質(zhì)地等。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟。一方面它是目標表達的基礎(chǔ)，并對測量有重要影響。另一方面，作為圖像分割是以分割為基礎(chǔ)的描述，提取特征和測量參數(shù)使原始圖像變得更抽象，形式更緊湊，以此來實現(xiàn)更高層次的圖像分析和理解。在實際生活中，圖像分割的應(yīng)用也很廣泛，幾乎出現(xiàn)在所有圖像處理的相關(guān)領(lǐng)域并涉及各種圖像類型。例如。衛(wèi)星圖像處理遙感應(yīng)用，圖像的腦部MR分析在醫(yī)藥的應(yīng)用等。在這些應(yīng)用中，圖像分割通常應(yīng)用于圖像的分析，識別和壓縮編碼等。提取的準確性將直接影響后續(xù)工作的成效，因此分割的方法和準確度非常重要。本文主要討論基于區(qū)域生長的圖像分割。區(qū)域生長是一種古老的圖像分割方法，最早的區(qū)域生長圖像

8、分割方法是由Levine等人提出的。該方法一般有兩種方式，一種是先給定圖像中要分割的目標物體內(nèi)的一個小塊或者說種子區(qū)域，再在種子區(qū)域基礎(chǔ)上不斷將其周圍的像素點以一定的規(guī)則加入其中，達到最終將代表該物體的所有像素點結(jié)合成一個區(qū)域的目的；另一種是先將圖像分割成很多的一致性較強，如區(qū)域內(nèi)像素灰度值相同的小區(qū)域，再按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達到分割圖像的目的，典型的區(qū)域生長法如T. C. Pong等人提出的基于小面（facet）模型的區(qū)域生長法，區(qū)域生長法固有的缺點是往往會造成過度分割，即將圖像分割成過多的區(qū)域。1 基于區(qū)域生長的圖像分割的實現(xiàn)方法區(qū)域生長是一種根據(jù)事先定義

9、的準則將像素或子區(qū)域聚合成更大區(qū)域的過程。基本方法是以一組種子點開始，將與種子性質(zhì)相似的相鄰像素附加到生長區(qū)域的每個種子上。區(qū)域生長算法的重點是：種子點的選取生長準則的確定以種子點進行區(qū)域生長算法流程設(shè)計 ： 二值圖像分割設(shè)定種子點值圖像讀取對生長完成圖像膨脹對圖像中值濾波輸出顯示圖1：算法設(shè)計流程(1、圖像讀?。篈=imread('4.jpg'B=rgb2gray(A;f=double(B;figureimshow(f;title('源圖像'(2、以種子點對原圖像二值分割：seed=175;S=abs(double(f-double(seed<70; %

10、以初始種子點進行二值圖像分割；figureimshow(S;title('初始種子點'(3、以種子點進行區(qū)域生長：以種子點所在位置開始遍歷，當(dāng)判斷滿足種子點條件時調(diào)用函數(shù)： function A=neitest(i,j,f,T ;%返回當(dāng)前（i，j）位置種子點的S=Stemp; %更新當(dāng)前位置的8鄰域滿足閾值條件的點；使S中始終加入最近的種子點。最終循環(huán)條件截止條件：if(sum(sum(abs(double(S-double(sd=0 %當(dāng)前一次的種子加入點數(shù)和本次的相同時說明生長完畢，種子不再生長；break;end(4、對生長完畢的圖像進行膨脹操作：B=1 1 1;1 1

11、 1;1 1 1; S=imdilate(S,B;figureimshow(Stitle('膨脹后的圖像'（5）、對膨脹后的圖像進行中值濾波：C = medfilt2(S,5 5;figureimshow(Ctitle('經(jīng)過中值濾波后的圖像'2 功能描述（1）、對圖像進行種子點的選取，并進行閾值分割操作，在種子點的選取上可以借助圖像的灰度直方圖，看目標圖像的灰度取值范圍，然后取其中間值作為種子值并允許其灰度值在±70范圍內(nèi)。（2）、函數(shù)function A=neitest(i,j,f,T能夠?qū)Ξ?dāng)前（i，j）坐標點像素進行判斷，在其8鄰接的像素點上滿足

12、閾值條件的點坐標將通過A返回。（3）、能夠?qū)γ看涡略龅姆N子點進行判斷其周圍點的可行性，用循環(huán)方法不斷將新增的種子點加入?yún)^(qū)域，并用閾值條件進行生長。（4）、對區(qū)域生長后的圖像進行膨脹操作處理，使得在對圖像中灰度值較高的密集點區(qū)域變得更大。防止斷線，對象圖像中的瑕點更減少，視覺效果更好。（5、再對膨脹后的圖像進行中值濾波處理，使得對象圖像中的瑕點進一步減少，對象圖像更加連續(xù)，幾乎感覺不到瑕點的存在。3 測試結(jié)果(1、讀顯原圖A=imread('4.jpg'B=rgb2gray(A;f=double(B;figureimshow(f; title('源圖像' 圖2 源

13、圖像(2、源圖像的灰度直方圖，可知目標區(qū)域的灰度值主要集中在120255范圍內(nèi)。Figure imhist(B; title('灰度直方圖'圖3 灰度直方圖(3）、對圖像進行種子點的選取，Seed=175，并對其進行邏輯閾值分割Savlue=175;S=(abs(double(f-double(Svalue<70;imshow(S;圖4 初始種子點（4）、按照上圖圖像選出的種子點對圖像進行區(qū)域生長，按照閾值T=45，每次運算只進行區(qū)域生長中的新種子點，判斷生長停止條件為本次生長和上次生長后的新增種子點為0。圖5 生長后圖像（5）、對區(qū)域生長后的圖像進行膨脹使得在對圖像中灰

14、度值較高的密集點區(qū)域變得更大。B=1 1 1;1 1 1;1 1 1;S=imdilate(S,B;figureimshow(Stitle('膨脹后的圖像'圖6 膨脹后圖像（6）、對上面的圖像進行中值濾波處理，使對象圖像中的瑕點大大減少，真強圖像的實際效果。C = medfilt2(S,7 7;figureimshow(Ctitle('經(jīng)過中值濾波后的圖像'圖7 經(jīng)過中值濾波圖像4 結(jié)果分析：通過運行程序得到上述圖形結(jié)果，分析之可知用區(qū)域生長法分割圖像的關(guān)鍵在于種子數(shù)的選取及閾值的確定，在圖像的細節(jié)不是太多的情況下，我們可以通過圖像的灰度直方圖來確定種子數(shù)的大致

15、范圍，以及閾值的大小，然后通過運行程序，觀察結(jié)果，不斷調(diào)整種子數(shù)、閾值的大小，以達到分割的最佳效果。另外對區(qū)域生長后的圖像進行膨脹操作處理，使得在對象圖像中灰度值較高的密集點區(qū)域變得更大。防止斷線，對對象圖像中的瑕點更少，視覺效果更好，再對膨脹后的圖像進行中值濾波處理，使得對象圖像中的瑕點進一步減少，對象圖像更加連續(xù)，幾乎感覺不到瑕點的存在。5 學(xué)年論文總結(jié)本次課程設(shè)計題目是基于區(qū)域生長的圖像分割，一種根據(jù)事先定義的準則將像素或子區(qū)域聚合成更大區(qū)域的過程?；痉椒ㄊ且砸唤M種子點開始，將與種子性質(zhì)相似的相鄰像素附加到生長區(qū)域的每個種子上。區(qū)域生長算法的重點是種子點的選擇和生長準則的確定。在程序設(shè)計上實現(xiàn)了能夠記錄每次種子點生長時新增的種子點，在下次的生長過程中以上次新增的種子點繼續(xù)生長。當(dāng)沒用新增種子點時標明生長完成，此時終止生長條件。在課程設(shè)計期間，遇到的最主要問題是：1、如何記錄當(dāng)前的新增種子點以及以新增種