單點區域生長演算法
1、理論基礎
區域生長演算法的基本思想是將有相似性質的畫素點合併到一起。對每一個區域要先指定一個種子點作為生長的起點,然後將種子點周圍領域的畫素點和種子點進行對比,將具有相似性質的點合併起來繼續向外生長,直到沒有滿足條件的畫素被包括進來為止。這樣一個區域的生長就完成了。這個過程中有幾個關鍵的問題:
a> 給定種子點(種子點如何選取?)
種子點的選取很多時候都採用人工互動的方法實現,也有用其他方式的,比如尋找物體並提取物體內部點作為種子點。
b> 確定在生長過程中能將相鄰畫素包括進來的準則
灰度影象的差值;彩色影象的顏色等等。都是關於畫素與畫素間的關係描述。
c> 生長的停止條件
2、灰度差值的區域生長演算法實現
演算法實現的步驟: a> 建立一個空白的影象(全黑); b> 將種子點存入vector中,vector中儲存待生長的種子點; c> 依次彈出種子點並判斷種子點如周圍8領域的關係(生長規則),相似的點則作為下次生長的種子點; d> vector中不存在種子點後就停止生長。#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("輸出"); imshow("輸出",src); waitKey(0); } /* Function: 區域生長演算法 Input:src 待處理原影象 pt 初始生長點 th 生長的閾值條件 Output: 肺實質的所在的區域 實質區是白色,其他區域是黑色 Description: 生長結果區域標記為白色(255),背景色為黑色(0) Return: Mat Others: NULL */ Mat RegionGrow(Mat src, Point2i pt, int th) { Point2i ptGrowing; //待生長點位置 int nGrowLable = 0; //標記是否生長過 int nSrcValue = 0; //生長起點灰度值 int nCurValue = 0; //當前生長點灰度值 Mat matDst = Mat::zeros(src.size(), CV_8UC1);//建立一個空白區域,填充為黑色 //生長方向順序資料 int DIR[8][2] = {{-1,-1}, {0,-1}, {1,-1}, {1,0}, {1,1}, {0,1}, {-1,1}, {-1,0}}; Vector<Point2i> vcGrowPt; //生長點棧 vcGrowPt.push_back(pt); //將生長點壓入棧中 matDst.at<uchar>(pt.y, pt.x) = 255; //標記生長點 nSrcValue = src.at<uchar>(pt.y, pt.x);//記錄生長點的灰度值 while (!vcGrowPt.empty()) //生長棧不為空則生長 { pt = vcGrowPt.back(); //取出一個生長點 vcGrowPt.pop_back(); //分別對八個方向上的點進行生長 for (int i = 0; i<9; ++i) { ptGrowing.x = pt.x + DIR[i][0]; ptGrowing.y = pt.y + DIR[i][1]; //檢查是否是邊緣點 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); //當前待生長點的灰度值 if (nGrowLable == 0) //如果標記點還沒有被生長 { nCurValue = src.at<uchar>(ptGrowing.y, ptGrowing.x); if (abs(nSrcValue - nCurValue) < th) //在閾值範圍內則生長 { matDst.at<uchar>(ptGrowing.y, ptGrowing.x) = 255; //標記為白色 vcGrowPt.push_back(ptGrowing); //將下一個生長點壓入棧中 } } } } return matDst.clone(); }
3、演算法效果
貼圖看看使用該演算法的影象處理效果:
首先對原影象進行二值化:
得到種子點的方法這裡就不用介紹了,這個不是該演算法的重點。得到兩個種子點(左右肺),分別使用區域生長演算法得到左右肺區,然後與原圖進行與運算,得到結果:
程式碼是我自己調的,然後不太知道怎麼樣選取種子點,我想用這個單點的區域生長法去畫一個精確定位的瞳孔內圓,然後自己把虹膜原圖輸入,由於不知道種子點咋選擇,就自己瞎試了一下,感覺不理想!效果圖如下:
如果這個單點的區域生長演算法 ,能夠確定這個虹膜,那個小夥伴做出來了 通知我一下 謝謝了!
比如換別的圖片,和閾值,以及種子座標,效果如下圖所示:
int main() {
Mat src=imread("C://1.jpg",0);
namedWindow("輸入",CV_WINDOW_AUTOSIZE);
imshow("輸入",src);
Mat RegionGrow(Mat src, Point2i pt, int th);
Point pt=(350,240);
int th=25;
src=RegionGrow(src, pt, th);
namedWindow("輸出",CV_WINDOW_AUTOSIZE);
imshow("輸出",src);
waitKey();
return 0;
}
然後用了一下別人的虹膜影象,改下座標,326 331 閾值25
原影象為10.jpg:
把原圖二值化得到影象命名為11.png:
程式碼改動部分:
int main() {
Mat src=imread(“C://11.png”,0);
namedWindow(“輸入”,CV_WINDOW_AUTOSIZE);
imshow(“輸入”,src);
Mat RegionGrow(Mat src, Point2i pt, int th);
Point pt=(326,331);
int th=25;
src=RegionGrow(src, pt, th);
namedWindow(“輸出”,CV_WINDOW_AUTOSIZE);
imshow(“輸出”,src);
waitKey();
return 0;
}
然後測試結果為:
這樣的話就可以了,找對了 種子座標,記得要先二值化,然後再測試!
最後對影象進行hough檢測,就能得到一個比較精確的內圓了!
霍夫圓檢測如下:
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main( )
{
//【1】載入原始圖、Mat變數定義
Mat srcImage = imread("C://12.png"); //工程目錄下應該有一張名為1.jpg的素材圖
Mat midImage,dstImage;//臨時變數和目標圖的定義
//【2】顯示原始圖
imshow("【原始圖】", srcImage);
//【3】轉為灰度圖並進行影象平滑
cvtColor(srcImage,midImage, COLOR_BGR2GRAY);//轉化邊緣檢測後的圖為灰度圖
GaussianBlur( midImage, midImage, Size(9, 9), 2, 2 );
//【4】進行霍夫圓變換
vector<Vec3f> circles;
HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10, 20, 80, 0, 0 );
//【5】依次在圖中繪製出圓
for( size_t i = 0; i < circles.size(); i++ )
{
//引數定義
Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
int radius = cvRound(circles[i][2]);
//繪製圓心
circle( srcImage, center, 3, Scalar(255,0,0), -1, 8, 0 ); //圓心 半徑為3 實心的圓 -1代表是不是被填充
//繪製圓輪廓
circle( srcImage, center, radius, Scalar(255,255,255), 1, 8, 0 ); //圓輪廓 半徑為radius的值 3代表正值 線條粗細的程度
}
//【6】顯示效果圖
imshow("【效果圖】", srcImage);
waitKey(0);
return 0;
}
注意 HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10, 20, 80, 0, 0 ); 引數在這裡面改! 20 80 這兩個我調出來的!
測試結果:
發現這個圓也沒有全圈著啊 可能是這個瞳孔內圓本來就不圓吧!
作為對比把原圖二值化後的影象11.png 然後用霍夫圓檢測一下,只需要改變引數:
//【4】進行霍夫圓變換
vector<Vec3f> circles;
HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10,100,70, 0, 0 );
然後得到影象:
發現就是圈不圓!。。。哈哈 然後這兩個方法圈的圓也不一樣 形狀上下不同!