基于种子点的区域生长的灰度图像分割（pyhton语言实现）

• 基于种子点区域生长的图像分割。
  本代码实现了灰度图像的区域增长算法。算法通过点击图像中的一个点作为输入，对像素的8连通域进行相对像素值强度差计算，并返回分割结果。

from PIL import Image
from pylab import *


def region_growth():
    print("循环增长，直到len(region_points) = 0")
    count = 0
    x = [-1, 0, 1, -1, 1, -1, 0, 1]
    y = [-1, -1, -1, 0, 0, 1, 1, 1]

    while len(region_points) > 0:

        if count == 0:
            point = region_points.pop(0)
            i = point[0]
            j = point[1]

        print("len = ", len(region_points))

        p_val = input_arr[i][j]
        # 像素强度差异范围 + - 8
        lt = p_val - 8
        ht = p_val + 8

        for k in range(8):
            if seg_img[i + x[k]][j + y[k]] != 1:
                try:
                    if lt < input_arr[i + x[k]][j + y[k]] < ht:

                        seg_img[i + x[k]][j + y[k]] = 1
                        p = [0, 0]
                        p[0] = i + x[k]
                        p[1] = j + y[k]
                        if p not in region_points:
                            if 0 < p[0] < rows and 0 < p[1] < columns:
                                # 满足条件的点
                                region_points.append([i + x[k], j + y[k]])
                    else:
                        seg_img[i + x[k]][j + y[k]] = 0
                except IndexError:
                    continue

        point = region_points.pop(0)
        i = point[0]
        j = point[1]
        count = count + 1


# region_growth(point[0], point[1])

if __name__ == "__main__":
    input_img = Image.open("input1.jpg").convert("L")

    input_arr = np.asarray(input_img)
    rows, columns = np.shape(input_arr)

    plt.figure()
    plt.imshow(input_img)
    plt.gray()

    print("请选择初始点...")
    p_seed = plt.ginput(1)
    print(p_seed[0][0], p_seed[0][1])

    # 可以手动设置种子点
    # x = int(120)
    # y = int(160)
    x = int(p_seed[0][0])
    y = int(p_seed[0][1])
    seed_pixel = [x, y]

    print("选择的点为：", seed_pixel)

    plt.close()
    seg_img = np.zeros((rows + 1, columns + 1))
    seg_img[seed_pixel[0]][seed_pixel[1]] = 255.0
    img_display = np.zeros((rows, columns))

    region_points = [[x, y]]
    region_growth()

    plt.imsave("result.jpg", seg_img)
    plt.figure()
    plt.imshow(seg_img)
    plt.colorbar()
    plt.show()
本方法不确定性较大，不同起始点迭代有不同的收敛结果，也可能不会收敛，并且收敛时间也具有不确定性。

本文地址：https://blog.csdn.net/qq_36559293/article/details/108256228