1 环境
- Python 3.8.8
- PyCharm 2021
- opencv-python
2 效果
3 原理
区域生长的基本思想是将具有相似属性的像素分组形成区域。具体来说,首先找到一个种子像素作为每个待分割区域的生长起点,然后选择种子像素周围邻域内与种子像素具有相同或相似属性的像素(根据一些预定的增长来确定)或类似标准)合并到种子像素所在的区域。将这些新的像素作为新的种子像素继续上述过程,直到没有满足条件的像素被包含,这样一个区域就增长了。
区域增长的算法实现:
- 根据图像的不同应用选择一个或一组种子,要么是最亮的点,要么是最暗的点,或者位于点簇中心的点,当然也可以手动选择种子点。
- 选择一个描述符(条件),常用的是基于区域灰度差异,以及基于区域灰度分布的统计特性。
- 从种子开始向外扩展,首先将种子像素添加到结果集中,然后不断地将与集合中每个像素相连且满足描述符的像素添加到集合中。
- 执行前面的过程,直到没有新的满足条件的节点被添加到集合中。
4 案例
本次案例采用了一张医学图像,为肺部CT图像,提取肺的轮廓以判断肺的健康性。
主要实现过程如下:
- 读入CT图片,让图片和鼠标进行交互,在三个位置进行左击鼠标生成三个红点,保存每次点击时的到开始的中,完成初始化。完成此过程的为。
- 使用上述步骤得到的来增长区域,创建一个与原始图像大小相同的空白图像,并根据初始化种子点的坐标在处将其标记为。在定义种子点的八场坐标时,当种子与其八邻域的像素差大于且在之前没有标记时,不进行合并,否则与种子合并,方法是使对应坐标的像素为,作为下一次生长的种子存入种子队列,将当前种子点从种子队列中取出。
- Enter Enter 结束交互,显示效果。
代码:
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
from collections import deque
# 计算种子点和其领域的像素值之差
def getGrayDiff(gray, current_seed, tmp_seed):
return abs(int(gray[current_seed[0], current_seed[1]]) - int(gray[tmp_seed[0], tmp_seed[1]]))
# 区域生长算法
def regional_growth(gray, seeds):
#八领域
connects = [(-1, -1), (0, -1), (1, -1), (1, 0), \
(1, 1), (0, 1), (-1, 1), (-1, 0)]
seedMark = np.zeros((gray.shape))
height, width = gray.shape
threshold = 6
seedque = deque()
label = 255
seedque.extend(seeds)
while seedque :
#队列具有先进先出的性质。所以要左删
current_seed = seedque.popleft()
seedMark[current_seed[0], current_seed[1]] = label
for i in range(8) :
tmpX = current_seed[0] + connects[i][0]
tmpY = current_seed[1] + connects[i][1]
#处理边界情况
if tmpX < 0 or tmpY < 0 or tmpX >= height or tmpY >= width :
continue
grayDiff = getGrayDiff(gray, current_seed, (tmpX, tmpY))
if grayDiff < threshold and seedMark[tmpX, tmpY] != label :
seedque.append((tmpX, tmpY))
seedMark[tmpX, tmpY] = label
return seedMark
#交互函数
def Event_Mouse(event, x, y, flags, param) :
#左击鼠标
if event == cv.EVENT_LBUTTONDOWN :
#添加种子
seeds.append((y, x))
#画实心点
cv.circle(img, center = (x, y), radius = 2,
color = (0, 0, 255), thickness = -1)
def Region_Grow(img):
cv.namedWindow('img')
cv.setMouseCallback('img', Event_Mouse)
cv.imshow('img', img)
while True :
cv.imshow('img', img)
if cv.waitKey(1) & 0xFF == ord('q') :
break
cv.destroyAllWindows()
CT = cv.imread('images/CT.png', 1)
seedMark = np.uint8(regional_growth(cv.cvtColor(CT, cv.COLOR_BGR2GRAY), seeds))
cv.imshow('seedMark', seedMark)
cv.waitKey(0)
plt.figure(figsize=(12, 4))
plt.subplot(131), plt.imshow(cv.cvtColor(CT, cv.COLOR_BGR2RGB))
plt.axis('off'), plt.title(f'$input\_image$')
plt.subplot(132), plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
plt.axis('off'), plt.title(f'$seeds\_image$')
plt.subplot(133), plt.imshow(seedMark, cmap='gray', vmin = 0, vmax = 255)
plt.axis('off'), plt.title(f'$segmented\_image$')
plt.tight_layout()
plt.show()
if __name__ == '__main__':
img = cv.imread('./images/CT.png')
seeds = []
Region_Grow(img)
文章出处登录后可见!
已经登录?立即刷新