基于區(qū)域生長(zhǎng)的圖像分割

1、安康學(xué)院學(xué)年論文設(shè)計(jì)題 目 基于區(qū)域生長(zhǎng)法的圖像分割 學(xué)生姓名 周東陽(yáng) 2012020081 所在院(系 電子與信息工程系 專業(yè)班級(jí) 電子信息工程2012級(jí)2班 指導(dǎo)教師 余順園 2015年6月25日基于區(qū)域生長(zhǎng)法的圖像分割作者：周東陽(yáng)安康學(xué)院電子與信息工程系電子信息工程專業(yè)12級(jí)，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(zhǎng)是以直接找尋區(qū)域?yàn)榛A(chǔ)的分割技術(shù)。區(qū)域生長(zhǎng)是一種根據(jù)事先定義的準(zhǔn)則將像素或子區(qū)域聚合成為更大的區(qū)域的過程?；痉椒ㄊ且砸唤M“種子”點(diǎn)開始，將與種子點(diǎn)性質(zhì)相似（諸如灰度級(jí)等）的相鄰像素附加到生長(zhǎng)區(qū)域的每個(gè)種子上。區(qū)域生

2、長(zhǎng)的一個(gè)問題是用公式描述一個(gè)終止規(guī)則?；旧?，在沒有像素滿足加入某個(gè)區(qū)域的條件時(shí)，區(qū)域生長(zhǎng)就會(huì)停止。在此次課程設(shè)計(jì)中，在算法的設(shè)計(jì)上充分反映了這一點(diǎn)。在遍歷圖像的過程中調(diào)用函數(shù)testnei，測(cè)試i,j點(diǎn)處的鄰域滿足條件的像素。將每次新增長(zhǎng)的種子點(diǎn)作為下次遍歷的中心點(diǎn)，直到區(qū)域不再生長(zhǎng)?！娟P(guān)鍵詞】 區(qū)域生長(zhǎng) 種子點(diǎn) 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(biāo)或前景，它們通常對(duì)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(shí)別和分析對(duì)象。在此基礎(chǔ)上可能進(jìn)一步對(duì)目標(biāo)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(biāo)。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(biāo)表達(dá)的基礎(chǔ)，并對(duì)測(cè)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(cè)量參數(shù)使原始圖像變得更抽象，形式更緊湊，以此來(lái)實(shí)現(xiàn)更高層次的圖像分析和理解。在實(shí)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(shí)別和壓縮編碼等。提取的準(zhǔn)確性將直接影響后續(xù)工作的成效，因此分割的方法和準(zhǔn)確度非常重要。本文主要討論基于區(qū)域生長(zhǎng)的圖像分割。區(qū)域生長(zhǎng)是一種古老的圖像分割方法，最早的區(qū)域生長(zhǎng)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(biāo)物體內(nèi)的一個(gè)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(diǎn)以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有像素點(diǎn)結(jié)合成一個(gè)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(qiáng)，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(dá)到分割圖像的目的，典型的區(qū)域生長(zhǎng)法如T. C. Pong等人提出的基于小面（facet）模型的區(qū)域生長(zhǎng)法，區(qū)域生長(zhǎng)法固有的缺點(diǎn)是往往會(huì)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(zhǎng)的圖像分割的實(shí)現(xiàn)方法區(qū)域生長(zhǎng)是一種根據(jù)事先定義

9、的準(zhǔn)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(diǎn)開始，將與種子性質(zhì)相似的相鄰像素附加到生長(zhǎng)區(qū)域的每個(gè)種子上。區(qū)域生長(zhǎng)算法的重點(diǎn)是：種子點(diǎn)的選取生長(zhǎng)準(zhǔn)則的確定以種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)算法流程設(shè)計(jì) ： 二值圖像分割設(shè)定種子點(diǎn)值圖像讀取對(duì)生長(zhǎng)完成圖像膨脹對(duì)圖像中值濾波輸出顯示圖1：算法設(shè)計(jì)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(diǎn)對(duì)原圖像二值分割：seed=175;S=abs(double(f-double(seed<70; %

10、以初始種子點(diǎn)進(jìn)行二值圖像分割；figureimshow(S;title('初始種子點(diǎn)'(3、以種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)：以種子點(diǎn)所在位置開始遍歷，當(dāng)判斷滿足種子點(diǎn)條件時(shí)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(diǎn)的S=Stemp; %更新當(dāng)前位置的8鄰域滿足閾值條件的點(diǎn)；使S中始終加入最近的種子點(diǎn)。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(diǎn)數(shù)和本次的相同時(shí)說明生長(zhǎng)完畢，種子不再生長(zhǎng)；break;end(4、對(duì)生長(zhǎng)完畢的圖像進(jìn)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(duì)膨脹后的圖像進(jìn)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(duì)圖像進(jìn)行種子點(diǎn)的選取，并進(jìn)行閾值分割操作，在種子點(diǎn)的選取上可以借助圖像的灰度直方圖，看目標(biāo)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(biāo)點(diǎn)像素進(jìn)行判斷，在其8鄰接的像素點(diǎn)上滿足

12、閾值條件的點(diǎn)坐標(biāo)將通過A返回。（3）、能夠?qū)γ看涡略龅姆N子點(diǎn)進(jìn)行判斷其周圍點(diǎn)的可行性，用循環(huán)方法不斷將新增的種子點(diǎn)加入?yún)^(qū)域，并用閾值條件進(jìn)行生長(zhǎng)。（4）、對(duì)區(qū)域生長(zhǎng)后的圖像進(jìn)行膨脹操作處理，使得在對(duì)圖像中灰度值較高的密集點(diǎn)區(qū)域變得更大。防止斷線，對(duì)象圖像中的瑕點(diǎn)更減少，視覺效果更好。（5、再對(duì)膨脹后的圖像進(jìn)行中值濾波處理，使得對(duì)象圖像中的瑕點(diǎn)進(jìn)一步減少，對(duì)象圖像更加連續(xù)，幾乎感覺不到瑕點(diǎn)的存在。3 測(cè)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(biāo)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(duì)圖像進(jìn)行種子點(diǎn)的選取，Seed=175，并對(duì)其進(jìn)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(diǎn)（4）、按照上圖圖像選出的種子點(diǎn)對(duì)圖像進(jìn)行區(qū)域生長(zhǎng)，按照閾值T=45，每次運(yùn)算只進(jìn)行區(qū)域生長(zhǎng)中的新種子點(diǎn)，判斷生長(zhǎng)停止條件為本次生長(zhǎng)和上次生長(zhǎng)后的新增種子點(diǎn)為0。圖5 生長(zhǎng)后圖像（5）、對(duì)區(qū)域生長(zhǎng)后的圖像進(jìn)行膨脹使得在對(duì)圖像中灰

14、度值較高的密集點(diǎn)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(duì)上面的圖像進(jìn)行中值濾波處理，使對(duì)象圖像中的瑕點(diǎn)大大減少，真強(qiáng)圖像的實(shí)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(yùn)行程序得到上述圖形結(jié)果，分析之可知用區(qū)域生長(zhǎng)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(xì)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(lái)確定種子數(shù)的大致

15、范圍，以及閾值的大小，然后通過運(yùn)行程序，觀察結(jié)果，不斷調(diào)整種子數(shù)、閾值的大小，以達(dá)到分割的最佳效果。另外對(duì)區(qū)域生長(zhǎng)后的圖像進(jìn)行膨脹操作處理，使得在對(duì)象圖像中灰度值較高的密集點(diǎn)區(qū)域變得更大。防止斷線，對(duì)對(duì)象圖像中的瑕點(diǎn)更少，視覺效果更好，再對(duì)膨脹后的圖像進(jìn)行中值濾波處理，使得對(duì)象圖像中的瑕點(diǎn)進(jìn)一步減少，對(duì)象圖像更加連續(xù)，幾乎感覺不到瑕點(diǎn)的存在。5 學(xué)年論文總結(jié)本次課程設(shè)計(jì)題目是基于區(qū)域生長(zhǎng)的圖像分割，一種根據(jù)事先定義的準(zhǔn)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(diǎn)開始，將與種子性質(zhì)相似的相鄰像素附加到生長(zhǎng)區(qū)域的每個(gè)種子上。區(qū)域生長(zhǎng)算法的重點(diǎn)是種子點(diǎn)的選擇和生長(zhǎng)準(zhǔn)則的確定。在程序設(shè)計(jì)上實(shí)現(xiàn)了能夠記錄每次種子點(diǎn)生長(zhǎng)時(shí)新增的種子點(diǎn)，在下次的生長(zhǎng)過程中以上次新增的種子點(diǎn)繼續(xù)生長(zhǎng)。當(dāng)沒用新增種子點(diǎn)時(shí)標(biāo)明生長(zhǎng)完成，此時(shí)終止生長(zhǎng)條件。在課程設(shè)計(jì)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(diǎn)以及以新增種