单点区域生长算法

1、理论基础

区域生长算法的基本思想是将有相似性质的像素点合并到一起。对每一个区域要先指定一个种子点作为生长的起点，然后将种子点周围领域的像素点和种子点进行对比，将具有相似性质的点合并起来继续向外生长，直到没有满足条件的像素被包括进来为止。这样一个区域的生长就完成了。这个过程中有几个关键的问题：

a> 给定种子点(种子点如何选取？)

种子点的选取很多时候都采用人工交互的方法实现，也有用其他方式的，比如寻找物体并提取物体内部点作为种子点。

b> 确定在生长过程中能将相邻像素包括进来的准则

灰度图像的差值；彩色图像的颜色等等。都是关于像素与像素间的关系描述。

c> 生长的停止条件

2、灰度差值的区域生长算法实现

算法实现的步骤：

a> 创建一个空白的图像(全黑)；

b> 将种子点存入vector中，vector中存储待生长的种子点；

c> 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)，相似的点则作为下次生长的种子点；

d> vector中不存在种子点后就停止生长。

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;

int main() {
	Mat src=imread("C://5.png");
	Mat RegionGrow(Mat src, Point2i pt, int th);
	Point pt=(200,200); 
	int th=10; 
	src=RegionGrow(src, pt, th); 
	namedWindow("输出"); 
	imshow("输出",src); 
	waitKey(0); 
}

/*
           Function:  区域生长算法
           Input:src 待处理原图像 
           pt 初始生长点 
		   th 生长的阈值条件
		   Output: 肺实质的所在的区域 实质区是白色，其他区域是黑色
		   Description: 生长结果区域标记为白色(255),背景色为黑色(0)
		   Return:    Mat
		   Others:    NULL
*/

Mat RegionGrow(Mat src, Point2i pt, int th)
{	
	Point2i ptGrowing;	//待生长点位置	
	int nGrowLable = 0;	//标记是否生长过	
	int nSrcValue = 0;	//生长起点灰度值	
	int nCurValue = 0;	//当前生长点灰度值	
	Mat matDst = Mat::zeros(src.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<Point2i> vcGrowPt;	//生长点栈	
	vcGrowPt.push_back(pt);		//将生长点压入栈中
	matDst.at<uchar>(pt.y, pt.x) = 255;	//标记生长点	
	nSrcValue = src.at<uchar>(pt.y, pt.x);//记录生长点的灰度值		
	while (!vcGrowPt.empty())		//生长栈不为空则生长	
	{		
		pt = vcGrowPt.back();	//取出一个生长点		
	    vcGrowPt.pop_back();	//分别对八个方向上的点进行生长		
		for (int i = 0; i<9; ++i)		
		{	
			ptGrowing.x = pt.x + DIR[i][0];					
		    ptGrowing.y = pt.y + DIR[i][1]; 	//检查是否是边缘点		
			if (ptGrowing.x < 0 || ptGrowing.y < 0 || ptGrowing.x > (src.cols-1) || (ptGrowing.y > src.rows -1))			
				continue; 	

			nGrowLable = matDst.at<uchar>(ptGrowing.y, ptGrowing.x);	
			//当前待生长点的灰度值 			
			if (nGrowLable == 0)	//如果标记点还没有被生长			
			{				
				nCurValue = src.at<uchar>(ptGrowing.y, ptGrowing.x);
				if (abs(nSrcValue - nCurValue) < th)	//在阈值范围内则生长		
				{		matDst.at<uchar>(ptGrowing.y, ptGrowing.x) = 255;		//标记为白色	
           				vcGrowPt.push_back(ptGrowing);					//将下一个生长点压入栈中		
				
				}			
			}		
		}	
	}	
	return matDst.clone();
}   

3、算法效果

贴图看看使用该算法的图像处理效果：

首先对原图像进行二值化：

得到种子点的方法这里就不用介绍了，这个不是该算法的重点。得到两个种子点（左右肺），分别使用区域生长算法得到左右肺区，然后与原图进行与运算，得到结果：

代码是我自己调的，然后不太知道怎么样选取种子点，我想用这个单点的区域生长法去画一个精确定位的瞳孔内圆，然后自己把虹膜原图输入，由于不知道种子点咋选择，就自己瞎试了一下，感觉不理想！效果图如下：


如果这个单点的区域生长算法 ，能够确定这个虹膜，那个小伙伴做出来了 通知我一下 谢谢了！

比如换别的图片，和阈值，以及种子坐标，效果如下图所示：

int main() {
	Mat src=imread("C://1.jpg",0);
	namedWindow("输入",CV_WINDOW_AUTOSIZE); 
	imshow("输入",src); 
	Mat RegionGrow(Mat src, Point2i pt, int th);
	Point pt=(350,240); 
	int th=25; 
	src=RegionGrow(src, pt, th); 
	namedWindow("输出",CV_WINDOW_AUTOSIZE); 
	imshow("输出",src); 
	waitKey(); 
	return 0;
}

然后用了一下别人的虹膜图像，改下坐标，326 331 阈值25
原图像为10.jpg：

把原图二值化得到图像命名为11.png：

代码改动部分：
int main() {
Mat src=imread(“C://11.png”,0);
namedWindow(“输入”,CV_WINDOW_AUTOSIZE);
imshow(“输入”,src);
Mat RegionGrow(Mat src, Point2i pt, int th);
Point pt=(326,331);
int th=25;
src=RegionGrow(src, pt, th);
namedWindow(“输出”,CV_WINDOW_AUTOSIZE);
imshow(“输出”,src);
waitKey();
return 0;
}

然后测试结果为：

这样的话就可以了，找对了 种子坐标，记得要先二值化，然后再测试！
最后对图像进行hough检测，就能得到一个比较精确的内圆了！

霍夫圆检测如下：

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main( )
{
	//【1】载入原始图、Mat变量定义   
	Mat srcImage = imread("C://12.png");  //工程目录下应该有一张名为1.jpg的素材图
	Mat midImage,dstImage;//临时变量和目标图的定义
	//【2】显示原始图
	imshow("【原始图】", srcImage);  

	//【3】转为灰度图并进行图像平滑
	cvtColor(srcImage,midImage, COLOR_BGR2GRAY);//转化边缘检测后的图为灰度图
	GaussianBlur( midImage, midImage, Size(9, 9), 2, 2 );

	//【4】进行霍夫圆变换
	vector<Vec3f> circles;
    HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10, 20, 80, 0, 0 );

	//【5】依次在图中绘制出圆
	for( size_t i = 0; i < circles.size(); i++ )
	{
		//参数定义
		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
		int radius = cvRound(circles[i][2]);
		//绘制圆心
		circle( srcImage, center, 3, Scalar(255,0,0), -1, 8, 0 );     //圆心  半径为3  实心的圆  -1代表是不是被填充
		//绘制圆轮廓
		circle( srcImage, center, radius, Scalar(255,255,255), 1, 8, 0 );   //圆轮廓  半径为radius的值   3代表正值 线条粗细的程度
	}

	//【6】显示效果图  
	imshow("【效果图】", srcImage);  

	waitKey(0);  

	return 0;  
}

注意 HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10, 20, 80, 0, 0 ); 参数在这里面改！ 20 80 这两个我调出来的！
测试结果：


发现这个圆也没有全圈着啊 可能是这个瞳孔内圆本来就不圆吧！

作为对比把原图二值化后的图像11.png 然后用霍夫圆检测一下，只需要改变参数：
//【4】进行霍夫圆变换

vector<Vec3f> circles;
HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10,100,70, 0, 0 );

然后得到图像：


发现就是圈不圆！。。。哈哈 然后这两个方法圈的圆也不一样 形状上下不同！