基于区域生长的图像分割算法实现

资 源 简 介

本项目基于MATLAB开发环境实现了一种经典的区域生长图像分割算法。该算法的基本处理逻辑是以一组预设或交互选取的初始种子点为核心开始区域扩展，通过将与种子点在预定义属性（如灰度值、颜色强度或纹理特征）上具有相似性的邻域像素逐步合并到生长区域中。

详 情 说 明

基于区域生长的图像分割算法（MATLAB）

项目介绍

本项目实现了一种基于种子点扩散的经典图像分割算法——区域生长法。通过在图像中选取代表性的种子像素，算法根据预设的相似度准则，自动将物理位置相邻且特征（灰度值）相近的像素点整合进生长区域。该方法能够有效提取具有一致灰度特征的连通目标，并提供完整的后处理与定量分析功能。

---

功能特性

• 交互式选取：支持用户通过鼠标点击图形界面实时选取初始种子点。
• 自动预处理：内置彩色图像转换与归一化处理，兼容多种图像格式。
• 区域生长逻辑：采用基于广度优先搜索（BFS）的生长策略，确保连通性。
• 自动化后处理：利用形态学操作自动填充分割结果中的内部孔洞。
• 统计与可视化：自动计算生长区域的面积、质心等几何指标，并生成包含原始图、掩膜图、边界追踪及数据报告的综合结果图。

---

系统要求

• 环境：MATLAB R2016b 或更高版本。
• 工具箱：需要安装 Image Processing Toolbox（图像处理工具箱）。

---

实现逻辑说明

项目核心逻辑分为以下八个步骤，严格对应代码执行流程：

1. 图像数据加载：程序启动后弹出文件选择对话框，支持 JPG, PNG, TIF, BMP 等格式。若用户未选择文件，则自动加载 MATLAB 系统自带的示例图像。
2. 颜色空间转换：判断输入图像维度，若是 RGB 彩色图像则转换为灰度图；随后将图像数据转换为双精度浮点型（double），并将像素值归一化至 [0, 1] 区间以便于计算。
3. 种子点交互获取：通过图形窗口显示待处理图像，利用坐标输入指令获取用户点击的像素位置，并将其作为生长的起始核心。
4. 参数定义：预设灰度相似度阈值为 0.15，该值定义了邻域像素允许与种子点产生的最大灰度差异。
5. 区域生长核心计算：通过自定义函数执行生长算法。该过程从种子点出发，对比邻域像素与初始种子像素的灰度差。
6. 形态学优化：对算法生成的二值化掩膜执行孔洞填充操作，确保分割出的目标区域内部具有实心连通性。
7. 特征属性提取：利用连通区域度量方法统计分割结果。程序会自动识别图像中所有的连通块，并筛选出面积最大的目标区域，提取其面积和质心坐标。
8. 多维度结果展示：在一个画布上划分为四个区域，分别展示：

* 原始图像及标记出的种子位置。 * 分割后的二值化掩膜图像。 * 在原图上叠加显示的分割边界及质心标记。 * 文本格式的统计报告，包括种子坐标、阈值、像素面积及生长状态。

---

关键函数与算法分析

#### 区域生长核心算法 算法实现在名为 perform_region_growing 的内部函数中，其技术细节如下：

• 参考标准：以初始种子点的灰度值作为全局参考标准（Static Seed Reference），而非动态更新参考值，这保证了生长范围受限于初始定义的特征。
• 搜索策略：采用队列（Queue）结构实现的广度优先搜索（BFS）。每当一个像素满足生长条件时，它会被标记为已访问并入队，成为后续探测的新起点。
• 邻域连通性：定义了 8 邻域搜索偏移量，即检查当前像素点周围 3x3 范围内的所有 8 个相邻像素，确保了在对角线方向上的连通性。
• 生长准则：判别公式为 $|I(x,y) - SeedValue| le text{Threshold}$。只有在指定的灰度容差范围内的像素才会被合并。
• 效率保证：使用了一个与图像等大的逻辑矩阵记录已访问（Visited）状态。每个像素最多只被检查一次，有效防止了算法陷入死循环或产生冗余计算。

#### 后处理与统计

• 自动修复：分割结果往往受到噪声影响产生内部空洞，通过孔洞填充技术，基于背景连通性原理补全目标内部。
• 几何统计：通过属性提取函数获取目标的二阶矩和边界特征，利用边界追踪算法准确勾勒出目标的外部轮廓，提升了分割结果在辅助决策中的实用价值。

---

使用方法

1. 在 MATLAB 中打开脚本文件。
2. 运行程序，在弹出的对话框中选择要处理的图片。
3. 在弹出的图像窗口中，点击您想要分割的目标中心位置，然后按下 Enter 键。
4. 等待计算完成后，程序将自动弹出最终的分割结果对比图与统计报告。