基于区域分裂合并算法的灰度图像分割系统

资 源 简 介

本项目是一个基于MATLAB平台开发的数字图像处理应用，专门用于对灰度图像进行高精度的区域分割。系统核心依据区域分裂合并（Region Splitting and Merging）理论，首先利用四叉树分解技术（Quadtree Decomposition）将整幅图像作为初始区域，通过设定的一致性谓词（如灰度方差、最大最小灰度差等统计特征）判断区域内的均匀性；若区域不满足均匀性要求，则将其递归分裂为四个大小相同的子象限。在分裂过程完成后，系统将执行合并操作，扫描所有相邻的子区域，依据预设的相似性准则（如相邻区域的平均灰度差值小于阈值）将属性相近的相邻区域合并为同一整体。该系统能够有效地将图像中具有相似特性的像素集合分离出来，克服了传统阈值分割法对噪声敏感的缺点，同时也比单纯的区域生长法具有更好的全局视角。最终，程序将构建出并在GUI或Figure窗口中展示分割后的图像，清晰地呈现出目标物体与背景的边界，适用于医学影像分析、工业表面缺陷检测以及遥感图像的初步处理。

详 情 说 明

基于区域分裂合并算法的灰度图像分割系统

项目简介

本项目是一个基于 MATLAB 开发的高精度灰度图像分割系统。它实现了经典的 区域分裂合并（Region Splitting and Merging） 算法，旨在通过分析图像的统计特性，将具有相似属性的像素集合分离出来。

系统采用了四叉树分解（Quadtree Decomposition）技术进行初始区域分裂，并结合基于图论（Graph Theory）的区域邻接图（RAG）算法执行高效的区域合并。相比于传统的阈值分割，该方法结合了局部统计特性与全局结构信息，能够有效克服噪声干扰，清晰地提取目标物体与背景的边界。

功能特性

• 智能图像源处理：自动尝试读取标准测试图像（如 cameraman.tif），若无法读取则自动生成含正弦/余弦纹理的合成图像用于功能演示。
• 自适应四叉树分裂：基于灰度一致性谓词（最大最小灰度差）递归分解图像，自动适应图像细节，支持设定最小块尺寸限制。
• 基于图论的高效合并：利用图的连通分量算法（Connected Components）处理区域合并，相比传统的迭代扫描更加高效且准确。
• 鲁棒的边界处理：通过填充算法（Padding）将图像扩展为2的幂次大小以适配四叉树算法，处理结束后自动裁剪回原始尺寸。
• 全流程可视化：提供原始图像、分裂阶段的四叉树网格（红色边界）以及最终合并后的重建图像的对比展示。
• 结果量化统计：在控制台输出初始分裂区域数量与最终合并后的区域数量，便于评估算法压缩率。

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. 将项目代码保存至 MATLAB 工作路径中。
2. 直接运行主程序入口函数。
3. 程序将自动清理工作区，加载或生成图像，并开始执行分割流程。
4. 运行结束后，会弹出一个包含三个子图的窗口，分别显示原始图像、分裂过程可视化和最终分割结果。控制台将打印区域数量统计信息。

算法实现原理与代码逻辑

本项目核心逻辑封装在主程序中，主要包含以下五个关键处理阶段：

1. 图像预处理与填充

程序首先对输入图像进行灰度化处理（若为彩色），并将数据类型归一化为 double 精度（[0, 1] 范围）。为了满足四叉树分解对图像尺寸的要求（必须为正方形且边长为2的幂次），算法计算出能够包围原图的最小 2^N 尺寸，并创建一个全零矩阵进行填充。原始图像数据被放置在该矩阵的左上角。

2. 递归区域分裂 (Split Phase)

分裂过程由一个递归辅助函数控制。算法从整幅填充后的图像开始：

• 一致性判断：计算当前块内像素的最大灰度值与最小灰度值的差值。
• 分裂准则：如果差值大于预设的 splitThreshold（默认为 0.15）且当前块尺寸大于 minBlockSize（默认为 2x2），则将该块均分为四个子象限，并继续递归处理。
• 叶子节点记录：若满足一致性要求或达到最小尺寸，停止分裂。程序将该区域的位置（行、列）、尺寸、以及平均灰度值记录到全局变量 leafBlocks 中。

3. 可视化标记生成

在得到所有叶子节点后，程序构建一个标记矩阵（Label Matrix），将每个像素点映射到其对应的区域ID。同时，为了直观展示分裂效果，程序生成一张可视化图像，在每个叶子区域的边界绘制红色线条，勾勒出四叉树的结构。

4. 基于图论的区域合并 (Merge Phase)

合并阶段采用了高效的向量化操作和图论算法，而非传统的双重循环扫描：

• 邻接关系构建：通过对标记矩阵进行矩阵移位（水平和垂直方向），快速识别所有相邻的像素对，从而构建区域邻接列表。
• 相似性度量：利用索引快速查找相邻区域的平均灰度值，计算二者的差值。
• 边的筛选：若相邻区域的均值差小于 mergeThreshold（默认为 0.08），则认为这两个区域应当合并，保留该边。
• 连通分量计算：使用 MATLAB 的 graph 对象构建区域关系图，并调用 conncomp 函数计算连通分量。属于同一个连通分量的所有原始区域被标记为同一个新区域ID，从而一步完成复杂的合并操作。

5. 结果重建

程序根据新的区域ID重新计算最终图像的像素值：

• 既使用面积加权法计算每个新合并区域的全局平均灰度值。
• 利用标记矩阵的索引映射，将计算出的新均值回填到图像像素中，生成最终的分割结果图。
• 最后显示结果时，会将图像从填充尺寸裁剪回原始图像的 rows x cols 尺寸，确保输出与输入一致。