数字图像处理—图像分割—串行区域（区域生长）（分裂合并）

★区域生长

●区域生长的基本思想是将具有相似性质的像素集合起来构成区域。

（1）首先对每个需要分割的区域找一个种子像素为生长的起点；

（2）然后将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。

（3）将这些新像素当做新的种子像素继续进行上面的过程，知道没有满足条件的像素可被包括进来。

●这样一个区域就长成了。

●如借助逻辑谓词的概念，就是在生长过程中要始终保持：P（Ri） = TRUE （Ri代表区域，P代表某种属性）

●采用的判断准则是：如果所考虑的像素与种子像素灰度值差的绝对值小于某个门限T，则将该像素包括种子像素所在区域。（种子的选择和门限的选择）

在实际应用区域生长法时需要解决的三个问题：

（1）选择或确定一组能正确代表所需区域的种子像素；

（2）确定在生长过程中能将相邻像素包括进来的准则；

（3）制定让生长停止的条件或规则。

常用的解决办法：

●种子像素的选取可借助具体问题的特点。如***红外图像中检测目标时，由于一般情况下目标辐射较大，选用图中最亮的像素作为种子像素。若果对具体问题没有先验知识，则可借助生长所用准则对每个像素进行相应计算。如果计算结果呈现聚类的情况，则接近聚类重心的像素可取为种子像素。因为你生长准则为基于灰度值的差，所以各选一个具有聚类中心灰度值的像素作为种子。

●生长准则的选取不仅依赖具体问题，也和所用图像数据的种类有关。例如当图像是彩色的，仅用单色的准则，效果就会受到影响。另外还需要考虑像素间的连通性和邻近性，否则有时会出现无意思的分割结果。

●一般生长过程在进行到没有满足生长准则需要的像素时停止。但常用的基于灰度、纹理、彩色的准则大都基于图像中的局部性质、并没有充分考虑生长的“历史”。为增加区域生长的能力常需考虑一些与尺寸、形状等图像全局性质有关的准则。在这种情况下常需对分割结果建立一定的模型。

★分裂合并

●区域生长法是从单个种子像素开始通过不断接纳新像素得到整个区域——从小到大。

●从整幅图像开始通过不断分裂得到各个区域——从大到小

●实际中常先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求。

●利用图像四叉树表达方法的迭代分裂合并算法。

分裂合并算法的基本步骤（不确定的继续分、确定下来的不再分）：

（1）对任一区域Ri，如果P（Ri）= FALSE（表示既有目标又有背景、P（Ri）= TRUE代表代表在R中的所有像素都具有相同的灰度值），就将其分裂成不重叠的四等分；

（2）对相邻的两个区域Ri和Rj，如果P（Ri∪Rj）= TRUE（要么同为背景、要么同为前景），就将它们合并起来；

（3）如果进一步的分裂或合并都不可能了，则结束。

改进：可将原图先分裂成一组正方块，进一步分裂仍按上述方法进行，但先仅合并并在四叉树表达式中属于用一个父节点且满足逻辑谓词P的四个区域（分完再合，用得同一个四叉树，算法更节约）。如果这种类型的合并不再可能了，在整个分割过程结束前再最后按满足上述第二步的条件进行一次合并，注意此时合并的各个区域有可能彼此尺寸不同。

改进方法的主要优点：在最后一步合并前，分裂和合并用的都是同一四叉树。

★★★★★★★★★★★★★★★感谢上海交大——赵宇明老师★★★★★★★★★★★★★★★★