开发者社区> jacoby> 正文

区域生长算法 C++实现

简介: 在比赛和项目中用opencv用多了,就会发现很多opencv没有实现的算法,其中一些还是十分常用,在教科书上经常出现的。作为一个弱鸡,有的简单的算法能够自己实现(比如本文所要讲的),有的写到一半就打出GG,有的直接就下不了手。
+关注继续查看

在比赛和项目中用opencv用多了,就会发现很多opencv没有实现的算法,其中一些还是十分常用,在教科书上经常出现的。作为一个弱鸡,有的简单的算法能够自己实现(比如本文所要讲的),有的写到一半就打出GG,有的直接就下不了手。。。作为一个非计算机科班的自动化系学生,想要成为一名视觉算法工程师,还是有很长的路要走啊~~

img_bd39b511621087828d7d396c5502f3f7.png
区域生长
1.算法原理

其实看上图和这个名字就很容易理解,区域生长是根据预先定义的生长准则将像素或子区域组合为更大区域的过程。基本方法是从一组“种子”点开始(原点),将与种子相似的临近像素(在特定范围内的灰度或颜色)添加到种子栈中,不断迭代,生成一大片区域。严谨的数学定义可以查看冈萨雷斯的数字图像处理。

2.算法实现

算法的步骤如下:

  • 创建一个与原图像大小相同的空白图像
  • 将种子点存入vector中,vector中存储待生长的种子点
  • 依次弹出种子点并判断种子点如周围8领域的关系(生长规则)并与最大与最小阈值进行比较,符合条件则作为下次生长的种子点
  • vector中不存在种子点后就停止生长

我这里因为项目需要,对原本的区域生长算法多加了最大与最小值的限制,作为默认参数可以不填。

/**
 * @brief 区域生长算法,输入图像应为灰度图像
 * @param srcImage 区域生长的源图像
 * @param pt 区域生长点
 * @param ch1Thres 通道的生长限制阈值,临近像素符合±chxThres范围内才能进行生长
 * @param ch1LowerBind 通道的最小值阈值
 * @param ch1UpperBind 通道的最大值阈值,在这个范围外即使临近像素符合±chxThres也不能生长
 * @return 生成的区域图像(二值类型)
 */
Mat RegionGrow(Mat srcImage, Point pt, int ch1Thres,int ch1LowerBind=0,int ch1UpperBind=255)
{
    Point pToGrowing;                       //待生长点位置
    int pGrowValue = 0;                             //待生长点灰度值
    Scalar pSrcValue = 0;                               //生长起点灰度值
    Scalar pCurValue = 0;                               //当前生长点灰度值
    Mat growImage = Mat::zeros(srcImage.size(), CV_8UC1);   //创建一个空白区域,填充为黑色
    //生长方向顺序数据
    int DIR[8][2] = {{-1,-1}, {0,-1}, {1,-1}, {1,0}, {1,1}, {0,1}, {-1,1}, {-1,0}};
    vector<Point> growPtVector;                     //生长点栈
    growPtVector.push_back(pt);                         //将生长点压入栈中
    growImage.at<uchar>(pt.y, pt.x) = 255;              //标记生长点
    pSrcValue = srcImage.at<uchar>(pt.y, pt.x);         //记录生长点的灰度值

    while (!growPtVector.empty())                       //生长栈不为空则生长
    {
        pt = growPtVector.back();                       //取出一个生长点
        growPtVector.pop_back();

        //分别对八个方向上的点进行生长
        for (int i = 0; i<9; ++i)
        {
            pToGrowing.x = pt.x + DIR[i][0];
            pToGrowing.y = pt.y + DIR[i][1];
            //检查是否是边缘点
            if (pToGrowing.x < 0 || pToGrowing.y < 0 ||
                    pToGrowing.x > (srcImage.cols-1) || (pToGrowing.y > srcImage.rows -1))
                continue;

            pGrowValue = growImage.at<uchar>(pToGrowing.y, pToGrowing.x);       //当前待生长点的灰度值
            pSrcValue = srcImage.at<uchar>(pt.y, pt.x);
            if (pGrowValue == 0)                    //如果标记点还没有被生长
            {
                pCurValue = srcImage.at<uchar>(pToGrowing.y, pToGrowing.x);
                if(pCurValue[0] <= ch1UpperBind && pCurValue[0] >= ch1LowerBind )
                {
                    if (abs(pSrcValue[0] - pCurValue[0]) < ch1Thres )                   //在阈值范围内则生长
                    {
                        growImage.at<uchar>(pToGrowing.y, pToGrowing.x) = 255;      //标记为白色
                        growPtVector.push_back(pToGrowing);                 //将下一个生长点压入栈中
                    }
                }
            }
        }
    }
    return growImage.clone();
}

上面是灰度图像的处理,我这里重载了三通道图像的区域生长

/**
 * @brief 区域生长算法,输入图像应为三通道图像(RGB、HSV、YUV等)
 * @param srcImage 区域生长的源图像
 * @param pt 区域生长点
 * @param ch1Thres ch2Thres ch3Thres 三个通道的生长限制阈值,临近像素符合±chxThres范围内才能进行生长
 * @param ch1LowerBind ch1LowerBind ch1LowerBind 三个通道的最小值阈值
 * @param ch1UpperBind ch2UpperBind ch3UpperBind 三个通道的最大值阈值,在这个范围外即使临近像素符合±chxThres也不能生长
 * @return 生成的区域图像(二值类型)
 */
Mat RegionGrow(Mat srcImage, Point pt, int ch1Thres,int ch2Thres, int ch3Thres,
               int ch1LowerBind=0,int ch1UpperBind=255,int ch2LowerBind=0,
               int ch2UpperBind=255,int ch3LowerBind=0,int ch3UpperBind=255)
{
    Point pToGrowing;                       //待生长点位置
    int pGrowValue = 0;                             //待生长点灰度值
    Scalar pSrcValue = 0;                               //生长起点灰度值
    Scalar pCurValue = 0;                               //当前生长点灰度值
    Mat growImage = Mat::zeros(srcImage.size(), CV_8UC1);   //创建一个空白区域,填充为黑色
    //生长方向顺序数据
    int DIR[8][2] = {{-1,-1}, {0,-1}, {1,-1}, {1,0}, {1,1}, {0,1}, {-1,1}, {-1,0}};
    vector<Point> growPtVector;                     //生长点栈
    growPtVector.push_back(pt);                         //将生长点压入栈中
    growImage.at<uchar>(pt.y, pt.x) = 255;              //标记生长点
    pSrcValue = srcImage.at<Vec3b>(pt.y, pt.x);         //记录生长点的灰度值

    while (!growPtVector.empty())                       //生长栈不为空则生长
    {
        pt = growPtVector.back();                       //取出一个生长点
        growPtVector.pop_back();

        //分别对八个方向上的点进行生长
        for (int i = 0; i<9; ++i)
        {
            pToGrowing.x = pt.x + DIR[i][0];
            pToGrowing.y = pt.y + DIR[i][1];
            //检查是否是边缘点
            if (pToGrowing.x < 0 || pToGrowing.y < 0 ||
                    pToGrowing.x > (srcImage.cols-1) || (pToGrowing.y > srcImage.rows -1))
                continue;

            pGrowValue = growImage.at<uchar>(pToGrowing.y, pToGrowing.x);       //当前待生长点的灰度值
            pSrcValue = srcImage.at<Vec3b>(pt.y, pt.x);
            if (pGrowValue == 0)                    //如果标记点还没有被生长
            {
                pCurValue = srcImage.at<Vec3b>(pToGrowing.y, pToGrowing.x);
                if(pCurValue[0] <= ch1UpperBind && pCurValue[0] >= ch1LowerBind&&   //限制生长点的三通道上下界
                        pCurValue[1] <= ch2UpperBind && pCurValue[1] >= ch2LowerBind &&
                        pCurValue[2] <= ch3UpperBind && pCurValue[2] >= ch3LowerBind )
                {
                    if (abs(pSrcValue[0] - pCurValue[0]) < ch1Thres &&
                            abs(pSrcValue[1] - pCurValue[1]) < ch2Thres &&
                            abs(pSrcValue[2] - pCurValue[2]) < ch3Thres)                    //在阈值范围内则生长
                    {
                        growImage.at<uchar>(pToGrowing.y, pToGrowing.x) = 255;      //标记为白色
                        growPtVector.push_back(pToGrowing);                 //将下一个生长点压入栈中
                    }
                }
            }
        }
    }
    return growImage.clone();
}
3.算法检验
img_d850d57a6e0106932ad53b57295cdb5b.png
原图像

img_f3507215b9a820fa4c0c806b20930666.png
区域生长后

References:
https://blog.csdn.net/robin__chou/article/details/50071313
数字图像处理(第三版) ——冈萨雷斯 P493

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
深度学习模型实战-深度学习模型在各大公司实际生产环境的应用讲解文章
建这个仓库的是因为工作之后发现生产环境中应用的模型需要做到速度和效果的平衡,并不是越复杂越好。所以一味的追求新的模型效果不大(并不是不追,也要多看新东西)。学到模型最终是要用,而且要用好,于是就建了这么个仓库,积累一下深度学习模型在各个公司中的应用以及细节,这样在自己工作中可以做到借鉴。主要是罗列一些各大公司分享的文章,涉及到搜索/推荐/自然语言处理(NLP),持续更新... 仓库地址:https://github.com/DA-southampton/Tech_Aarticle/edit/master/README.md
5 0
精心整理了100+Python字符串常用操作,收藏备用!(下)
精心整理了100+Python字符串常用操作,收藏备用!(下)
8 0
云服务器ECS使用感
本人在使用此服务器之后,倍感欣慰,故此时此刻有感而发。
10 0
深度粗排在天猫新品中的实践
深度粗排在天猫新品中的实践
7 0
lua脚本世界--快速入门
我想许多人并不是困惑脚本语言和非脚本语言的不同,而是困惑脚本语言为什么叫脚本语言。 脚本是由script翻译来的,这个词在用到计算机前的意思是剧本,现在把script还原到原有的意思——“剧本”来理解其在编程中的延伸意义。(脚与非脚的不同在于执行之前是否需要编译)我们可以把“编译”对应到制作电影时的“拍摄”,就是由源代码生成可执行程序的过程。 脚本语言不需要编译,即这个剧本不需要拍摄成电影,一句一句“解释”着执行就可以了。
9 0
※【python自学】7个Python生态系统核心库,你值得拥有
※【python自学】7个Python生态系统核心库,你值得拥有
10 0
新手小白成功部署web项目在阿里云服务器
新手小白成功部署web项目在阿里云服务器,感谢阿里云的免费云服务器,能让我独立搭建自己的服务器,搭载自己的web项目
19 0
万字长文丨7个经典问题,助你拿下Java面试(建议收藏)
万字长文丨7个经典问题,助你拿下Java面试(建议收藏)
9 0
10行Python代码能做出哪些有趣的事情?
Python 凭借语法的易学性,代码的简洁性以及类库的丰富性,赢得了众多开发者的喜爱。下面我们来看看,用不超过10行代码能实现些什么有趣的功能
15 0
Java JVM知识汇总
1、JVM 是什么? Java虚拟机(Java virtual machine,JVM)是 Java 程序运行基础,Java虚拟机有自己完善的硬件架构,如处理器、堆栈等,还具有相应的指令系统。 Java虚拟机本质上就是一个程序,当它在命令行上启动的时候,就开始执行保存在某字节码文件中的指令。Java语言的可移植性正是建立在Java虚拟机的基础上。任何平台只要装有针对于该平台的Java虚拟机,字节码文件(.class)就可以在该平台上运行。这就是“一次编译,多次运行”。
6 0
+关注
19
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
OceanBase 入门到实战教程
立即下载
阿里云图数据库GDB,加速开启“图智”未来.ppt
立即下载
实时数仓Hologres技术实战一本通2.0版(下)
立即下载