基于区域生长的图像分割算法系统

资 源 简 介

本项目实现了一个完整的基于区域生长（Region Growing）算法的图像分割工具。该系统的核心功能是从初始种子点开始，将与种子点性质相似的邻域像素不断合并到生长区域中，直到满足停止准则为止。具体流程包括：首先对输入图像进行预处理，如灰度转换和高斯滤波去噪，以提高分割的准确性；接着提供交互式或自动化的种子点选取机制，用户可以使用鼠标在图像待分割目标（如肿瘤、特定物体）区域点击以确定初始生长点；程序随后根据预设的相似性准则（通常基于灰度差值的阈值判断）和连通性方式（4邻域或8邻域）进行迭代搜索和区域扩张。如果相邻像素的强度值与当前区域平均值之差小于设定阈值，则将其纳入区域。最终，算法将生成一个二值化的掩膜图像，其中白色区域代表分割出的目标，黑色为背景。该项目代码结构清晰，适用于医学影像分析、目标提取及计算机视觉教学演示，并包含可视化模块以直观展示分割结果。

详 情 说 明

基于区域生长的MATLAB图像分割系统

项目简介

本项目是一个基于MATLAB开发的图像分割工具，核心采用区域生长（Region Growing）算法。系统能够从用户指定的初始种子点开始，根据像素间的相似性准则，自动将连通的同质区域合并，从而提取出感兴趣的目标（如医学影像中的病灶、特定的物体等）。该程序集成了图像预处理、交互式操作、核心分割算法、形态学后处理以及多维度结果可视化功能，是一个完整的计算机视觉演示与应用系统。

功能特性

• 灵活的图像输入机制：支持打开多种格式的图像文件（.jpg, .png, .bmp, .tif, .dcm）；若用户取消选择，系统会自动生成带有噪声和圆形目标的合成图像用于演示算法效果。
• 图像预处理：自动处理多通道图像（RGB转灰度），并应用高斯低通滤波算法去除高频噪声，平滑图像以减少分割误差。
• 交互式种子点选取：提供图形化界面，用户可通过鼠标点击直接在原始图像上选取起始种子点，系统会自动捕获坐标并进行边界检查。
• 可配置参数：允许用户通过弹出对话框动态调整生长阈值，以适应不同对比度和信噪比的图像。
• 高效区域生长核心：采用预分配内存的队列数据结构实现8邻域搜索，具备实时均值更新机制，提高算法的适应性和运行效率。
• 形态学后处理：内置闭运算和空洞填充流程，有效修补分割区域内的细小孔洞并将边缘平滑化。
• 直观的结果可视化：

* 提供2x2的分屏显示（原图、预处理图、二值掩膜、最终叠加结果）。 * 使用绿色半透明蒙版高亮显示分割区域。 * 自动提取并绘制目标的黄色轮廓边界。

• 详细的统计输出：计算并显示耗时、分割出的像素总数等统计信息。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）

使用方法

1. 运行 main.m 脚本。
2. 在弹出的文件选择窗口中选择一张图片。如果不选择直接关闭窗口，程序将自动生成并使用包含模拟目标的合成图像。
3. 程序将显示“原始图像”窗口，请在想要分割的目标区域内部点击鼠标左键，确定种子点。
4. 在弹出的参数对话框中输入生长判别阈值（默认值为0.10）。阈值越小，生长条件越严格；阈值越大，越容易包含更多像素。
5. 等待程序运行，最终将显示分割结果对比图，并在控制台和弹窗中输出相关的统计数据。

代码实现逻辑与算法细节

本项目的主程序 main.m 严格按照以下逻辑流程实现：

1. 图像加载与合成演示

程序首先尝试通过 uigetfile 获取用户指定图片。

• 正常模式：读取图片并判断是否需要转换为灰度图。
• 演示模式：若用户未选择文件，代码会创建一个300x300的背景，叠加高斯白噪声，并绘制两个亮度不同的圆形区域模拟目标，最后归一化为0-255的图像。

2. 预处理

为了降低噪声对像素相似性判断的干扰，代码将图像转换为双精度浮点型（double），并使用 fspecial 创建大小为5x5、标准差为1.0的高斯滤波器，通过 imfilter 对图像进行平滑处理。

3. 交互模块

代码利用 ginput(1) 函数捕获用户的鼠标点击坐标。为防止坐标溢出，程序对种子点坐标进行了取整和图像边界范围检查。选定点会在原图上以红色十字标记。

4. 区域生长算法（核心）

这是系统的核心部分，基于队列（FIFO）实现，而非递归，以防止栈溢出并提高效率：

• 初始化：创建一个全黑的二值掩膜图像，并预分配一个大小等同于图像像素总数的数组作为处理队列（避免动态扩容带来的性能损耗）。
• 入队：将种子点加入队列，并标记掩膜。
• 统计变量：初始化区域总灰度值、像素计数和区域平均灰度。
• 迭代过程：

1. 从队列头部取出一个像素作为中心点。 2. 遍历其8邻域（上、下、左、右及对角线方向）的像素。 3. 检查邻域像素是否在图像边界内且未被标记。 4. 相似性判别：计算邻域像素灰度值与当前生长区域平均灰度值的差的绝对值。 5. 如果差值小于用户设定的阈值，则将该像素纳入目标区域： * 标记掩膜为True。 * 将该像素加入队列尾部。 * 累加灰度总值和像素数量，并在线更新区域平均灰度值（Adaptive Mean），这使得算法能适应目标区域内部缓慢的灰度渐变。

5. 后处理

算法得到的原始掩膜可能包含噪点或不规则边缘。代码依次执行：

• 闭运算 (imclose)：使用半径为2的圆盘结构元素，连接邻近的断点，平滑轮廓。
• 孔洞填充 (imfill)：填充目标区域内部被包围的背景空洞。

6. 结果合成与显示

为了直观展示，程序手动操作RGB通道生成可视化图像：

• 将原图转换为RGB格式。
• 对属于目标区域的像素：保留绿色分量并适度增强，减弱红色和蓝色分量，从而形成绿色半透明覆盖效果。
• 使用 bwboundaries 函数计算最终二值掩膜的边界坐标，并在最终结果图中使用黄色线条描绘轮廓。
• 最后显示包含四个子图的综合结果窗口，并输出包含运行时间（由 tic/toc 计算）在内的统计信息。