基本思想：

区域生长法的基本思想是：将具有相似性质的像素点合并到一起；

在每一个区域内首先要指定一个种子点作为生长的起点；

然后将种子点周围邻域的像素点与种子点进行比较，

对具有相似性质的点合并之后继续向外生长，

直到没有满足条件的像素被包括进来为止；

这样一个区域的生长就完成了。

下图是：发在PAMI上的LSD直线检测算法中的关键一步就是找line support regions.这个区域的查找就是利用区域生长法则，生长的条件就是梯度的方向角度；

图中第一张图是原始图像，第二张是计算梯度角度，第三张是根据梯度角度区域生长的结果，相同颜色就是一个区域生长结果。

关键点在于：

①给定种子点(种子点如何选取)

种子点的选取很多时候都采用人工交互的方法实现，

也有用其他方式的，比如寻找物体并提取物体内部点作为种子点。

②确定在生长过程中能将相邻像素包括进来的准则(相似性质准则)

灰度图像的差值；

彩色图像的颜色等等。

都是关于像素与像素间的关系描述。

③生长的停止条件：

四连通与八连通

区域生长流程：

①给出种子点，这里一次给出一个种子点

②给出相似性准则，这里采用灰度差；

③将种子点与其八邻域像素点进行相似性比较；相似点则作为下次生长的种子点；

④停止生长：八邻域内没有合并的像素点时，即没有新的种子点时，停止。

如图所示：

示例程序：

OpenCV没有自带区域生长函数；

为了说明区域是如何生长的，

#include opencv2\opencv.hpp

#include opencv2\highgui\highgui.hpp

#include opencv2\features2d\features2d.hpp

#include opencv2\core\core.hpp

using namespace std;

using namespace cv;

void RegionGrowing(Mat srcImg,Mat dstImg,Point pt,int thre)

{

Point ptGrowing;//生长点像素坐标

int nGrowLabel=0;//是否被标记

int startPtValue=0;//生长起始点灰度值

int currPtValue=0;//当前生长点灰度值

//8邻域

int mDir={{-1,-1},{0,-1},{1,-1},{-1,0},{1,0},{-1,1},{0,1},{1,1}};

vectorPoint growPtVec;//生长点堆栈

growPtVec.push_back(pt);//将初始生长点压入堆栈

Mat markImg=Mat::zeros(srcImg.size(),CV_8UC1);//标记点

unsigned char *pData = (unsigned char *)(markImg.data+pt.y*markImg.step);

pData=255;//标记初始生长点

startPtValue = ((unsigned char*)(srcImg.data+pt.y*srcImg.step));

while (!growPtVec.empty())

{

Point currPt = growPtVec.back();//返回当前vector最末一个元素

growPtVec.pop_back();//弹出最后压入的数据

for (int i=0;i8;i++)

{

ptGrowing.x = currPt.x+mDir;

ptGrowing.y = currPt.y+mDir;

//判断是否是边缘点

if (ptGrowing.x0||ptGrowing.y0||(ptGrowing.xsrcImg.cols-1)||(ptGrowing.ysrcImg.rows))

continue;//继续执行下一次循环

//判断是否已被标记

nGrowLabel = ((unsigned char*)(markImg.data+ptGrowing.y*markImg.step));

if (nGrowLabel==0)//没有被标记

{

currPtValue = ((unsigned char*)(srcImg.data+ptGrowing.y*srcImg.step));

if (abs(currPtValue-startPtValue)=thre)

{

((unsigned char*)(markImg.data+ptGrowing.y*markImg.step))=255;

growPtVec.push_back(ptGrowing);

}

}

}

}

markImg.copyTo(dstImg);

}

int main()

{

Mat srcImg = imread(1.jpg,0);

if (srcImg.empty())

printf(image read error);

Mat srcImg1=srcImg.clone();

Mat outImg1,outImg2;

RegionGrowing(srcImg1,outImg1,Point(241,258),10);

RegionGrowing(srcImg1,outImg2,Point(302,118),80);

add(outImg1,outImg2,outImg1);

imshow(p1p2,outImg1);

Mat resultImg;

srcImg.copyTo(resultImg,~outImg1);

imshow(outImg,resultImg);

waitKey(0);

return 0;

}

算法效果：

这里首先人为选取一个种子点，

在其八邻域内，由相似性准则进行判断并更新种子点；

当不再产生新的种子点时，截止；

当区分多目标是，可以认为选取多个种子点，然后将每个种子点分割区域合并；

即可分割出多目标。

给出一个比较好区域生长法的程序：

//仅根据纹理分割图像，纹理特征是四维集合；

void segmentTexture(Mat texture)

{

Mat regions(texture.rows, texture.cols, CV_8UC1, 0.0);

Mat mark(texture.rows, texture.cols, CV_8UC1, 0.0);

int min_regions = 10;

RNG rng(25);

Point seedPoint, now;

Vec4b curr, next, seed;

queuePoint Q;

vectorpairpairPoint, Vec3b, int Points;

int pixelCount=0;//pixel covered in a segment

for(int i =250; i10; i -= 250/min_regions)

{

rng(12345);

do

{

seedPoint.x = rng.uniform(0, texture.cols);

seedPoint.y = rng.uniform(0, texture.rows);

seed = texture.atVec4b(seedPoint.y, seedPoint.x);

}

while(mark.atuchar(seedPoint.y, seedPoint.x) !=0 );

mark.atuchar(seedPoint.y, seedPoint.x) = i;

Q.push(seedPoint);

while(!Q.empty())

{

now = Q.front();

Q.pop();

curr=texture.atVec4b(now.y, now.x);

for(int p=-1; p=1; p++)

{

for(int q=-1; q=1; q++)

{

if(0=now.x+p now.x+ptexture.cols 0=now.y+q now.y+qtexture.rows)

{

next=texture.atVec4b(now.y+q, now.x+p);

if(mark.atuchar(now.y+q, now.x+p)==0

(textureDifference(next, seed)==1 || farTextureDifference(next, curr)==2))

{

Q.push(Point(now.x+p, now.y+q));

mark.atuchar(now.y+q, now.x+p)=i;

//segm.atVec3b(now.y, now.x)=image.atVec3b(seedPoint.y, seedPoint.x);

}

}

}

}

}

}

///namedWindow(texture segment,2);

///imshow(texture segment,mark);

imwrite(textureSegment.bmp,mark);

}

在每一个区域内首先要指定一个种子点作为生长的起点；

然后将种子点周围邻域的像素点与种子点进行比较，

对具有相似性质的点合并之后继续向外生长， 直到没有满足条件的像素被包括进来为止；