当前位置：首页 > news >正文

图像分割——区域增长

news 来源：原创 2025/7/18 5:15:33

一区域增长

图像灰度阈值分割技术都没有考虑到图像像素空间的连通性。区域增长法则正好相反,顾及像素的连接性.
方法：1）选择一个或一组种子；
2）选择特征及相似性判决准则；
3）从该种子开始向外生长，首先将判断种子邻域的像素是否
满足相似性条件，满足则与种子合并成区域，然后以合并的像
素为生长点，采用类似地方法进行生长
4）反复3)操作，直到不再有满足条件的像点合并到区域为止。
在这里插入图片描述
区域增长根据所用的邻域方式和相似性准则的不同，
产生各种不同的区域扩张法。可分为：
①单一型（像素与像素）；
②质心型（像素与区域）；
③混合型（区域与区域）

1 简单区域生长

下面给出以像素灰度为特征进行简单区域增长的步骤。
（1）对图像进行光栅扫描，求出不属于任何区域的像素。
当寻找不到这样的像素时结束操作。
（2）把这个像素灰度同其周围（4-邻域或8-邻域）不属于其
他区域的像素进行比较，若灰度差值小于阈值，则合并到
同一区域。并对合并的像素赋予标记。
（3）从新合并的像素开始，反复进行（2）的操作。
（4）反复进行（2）、（3）的操作，直至不能再合并。
（5）返回（1）操作，寻找新区域出发点的像素。

2 质心型区域生长

与简单区域增长不同，它是比较单个像素的特征与其相邻区域的特征，若相似则将像素归并到区域中。质心型链接操作步骤类似简单区域扩张法，唯一不同的是在上述（2）的操作中，改为比较已存在区域的像素灰度平均值与该区域邻接的像素灰度值。若差值小于阈值，则合并。其缺点是区域增长的结果与起始像素有关，起始位置不同则分割结果有差异。
在这里插入图片描述

3 混合型区域增长

混合型区域生长是把图像分割成小区域，比较相邻的小区域的相似性，相似则合并，直到不能合并为止。
下面介绍两种方法。
1.不依赖于起始点的方法
(1)设灰度差的阈值为0，用简单区域扩张法把具有相同灰度的像素合并到同一区域，得到图像的初始分割图像。
(2)从分割图像一个小区域开始，求出相邻区域间的灰度差，将差值最小的相邻区域合并；
(3)反复（2）的操作，把区域依次合并，适当阶段需停止合并，得到分割图像。这种方法若不在适当的阶段停止区域合并，整幅图像经区域扩张的最终结果就会为一个区域。

2.假设检验法
该方法是根据图像子块内的灰度分布的相似性进行子块合并，最终实现图
像的分割。
（1）把图像分割成互不交迭的、大小为
n×n的子块；
（2）比较相邻子块的灰度直方图相似性
，相似则合并成同一区域。相似性判断
标准，可选用下面其中之一：
（a）Kolmogorov-Smirnov检测标准：(b) Smoothed-Difference检测标准：
（3）反复（2）的操作，直至区域不能合并为止。
在这里插入图片描述

一 区域增长

1 简单区域生长

2 质心型区域生长

3 混合型区域增长

相关文章：

一区域增长