leapyear基于区域生长的图像分割

2021年1月20日发(作者：阿果)



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）



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


Image segmentation based on region growing arithmetic

Author
：
ZhouDongyang
Grade three ,Class two,Major Electronic and Information Engineering ,Dept.
，
Ankang University
，
Ankang
725000
，
Shaanxi
Directed by YuShunyuan
Abstract:

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 aggregate into bigger regional process. Basic method is based on a set of
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 termination 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
第
1
页

共
7
页

安康学院学年论文（设计）



neighborhood at the point where pixels meet the conditions.
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

pixels
0
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
< br>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



第
2
页

共
7
页

安康学院学年论文（设计）



算法流程设计
：






输出显示


对图像中

值滤波

图
1
：算法设计流程

(1)
、图像读取：

对生长完成

图像膨胀

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




A=imread('');



B=rgb2gray(A);



f=double(B);
figure
imshow(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；

figure
imshow(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：

function
A=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：

第
3
页

共
7
页