1、区域的分离和聚合

步骤：

1）根据条件判断是否将当前图像块进行四分，开始时是整张图像，（进行的是平均四分，所以图像大小需要是2的幂次），然后是小图像块，进行不断划分，知道满足停止条件。

2）对相邻小块像素进行合并，imreconstruct用于此，知道不能合并

qtdecomp函数是用来分解图像的，（四叉树分解），

Z=qtdecomp(f,@split_test,parameters)，

将f传入到函数split_test中，split这个函数其实就是起到调用predicate函数的作用，predicate函数是判断是否需要分的条件函数。

function v=split_test(B,mindim,fun)
 K=size(B,3);%B就是qtdecomp函数传过来的，代表当前size(B,3)返回的是B的层数，就是B是几维的，这里实际上就是有几个B这样大小的图像块
 %这句代码的意思是从qtdecomp函数传过来的B，是当前分解成的K块的m*m的图像块，K表示有多少个这样大小的图像块
 v(1:K)=false;
 for I=1:K
     quadregion=B(:,:,I);
     if size(quadregion,1)<=mindim%如果分的块的大小小于mindim就直接结束
         v(I)=false;
         continue
     end
     flag=feval(fun,quadregion);%quadregion是fun函数的参数,fun(quadregion)
     if flag%如果flag是1，代表需要再分
         v(I)=true;%这里就相当于split_test是起一个调用predicate的作用，返回的就是ppredicate的值
     end
 end
end



function flag=predicate(region)%和图像标准差和均值有关
sd=std2(region);
m=mean2(region);
flag=(sd>22)&(m>5)&(m<255);%参数自己根据实际情况调整
end

主函数

clc
clear

f=imread('E:\桌面\数字图像matlab\DIP3E_CH10_Original_Images\DIP3E_Original_Images_CH10\Fig1053(a)(cygnusloop_Xray_original).tif');

g=splitmerge(f,8,@predicate);
figure,imshow(g)

splitmerge就是主要实现区域分离和合并的函数

function g=splitmerge(f,mindim,fun)%f是待分割的原图，mindim是定义分解中所允许的最小的块，必须是2的正整数次幂
 Q=2^nextpow2(max(size(f)));
 [M,N]=size(f);
 f=padarray(f,[Q-M,Q-N],'post');%：填充图像或填充数组。f是输入图像，输出是填充后的图像，先将图像填充到2的幂次以使后面的分解可行
 %然后是填充的行数和列数，post：表示在每一维的最后一个元素后填充,B = padarray(A,padsize,padval,direction)
 %不含padval就用0填充,Q代表填充后图像的大小。
 S=qtdecomp(f,@split_test,mindim,fun);%f传给split_test，qtdecomp divides a square image into four
% equal-sized square blocks, and then tests each block to see if it
% meets some criterion of homogeneity. If a block meets the criterion,
% it is not divided any further. If it does not meet the criterion,
% it is subdivided again into four blocks, and the test criterion is
% applied to those blocks. This process is repeated iteratively until
% each block meets the criterion. The result can have blocks of several
% different sizes.S是包含四叉树结构的稀疏矩阵，存储的值是块的大小及坐标，以稀疏矩阵形式存储
 Lmax=full(max(S(:)));%将以稀疏矩阵存储形式存储的矩阵变换成以普通矩阵（full matrix）形式存储，full，sparse只是存储形式的不同
 g=zeros(size(f));
 MARKER=zeros(size(f));
 
 for k=1:Lmax
     [vals,r,c]=qtgetblk(f,S,k);%vals是一个数组，包含f的四叉树分解中大小为k*k的块的值，是一个k*k*个数的矩阵，
     %个数是指S中有多少个这样大小的块，f是被四叉树分的原图像，r，c是对应的左上角块的坐标如2*2块，代表的是左上角开始块的坐标
     
     if ~isempty(vals)
         for I=1:length(r)
             xlow=r(I);
             ylow=c(I);
             xhigh=xlow+k-1;
             yhigh=ylow+k-1;
             region=f(xlow:xhigh,ylow:yhigh);%找到对应的区域
             flag=feval(fun,region);%evaluates the function handle, fhandle,using arguments x1 through xn.执行函数fun，region是参数
             if flag%如果返回的是1，则进行标记
                 g(xlow:xhigh,ylow:yhigh)=1;%然后将对应的区域置1
                 MARKER(xlow,ylow)=1;%MARKER矩阵对应的左上角坐标置1
             end
         end
     end
 end
 
 g=bwlabel(imreconstruct(MARKER,g));%imreconstruct默认2D图像8连通，这个函数就是起合的作用
 g=g(1:M,1:N);%返回原图像的大小
end

    区域生长的基本思想是将具有相似性质的像素集合起来构成一个区域，实质是将具有相似特性的像素元素连接成区域。具体实现时，先在分割的区域找一个种子像素作为生长的起点，再将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长准则确定）合并到种子像素所在区域中，然后将这些新增的像素点作为新的生长点重复上面的过程。

三个问题：

1. 选择或确定一组正确代表所需区域的种子像素；

2. 确定生长过程中能将相邻像素包括进来的准则；

3. 生长过程停止的条件或准则。

• 测试图片

•  源码

function J = My_RegionGrowing(I, init_pos, reg_maxdist)
% 区域生长法提取目标区域：比较新像素所在区域平均灰度值与各领域像素的灰度值
% 输入：
%    I : 二维数组，数值表示灰度值，0~255
%    init_pos: 指定的种子点坐标
%    reg_maxdist : 阈值，默认值为20
% 输出：
%   J : 感兴趣区域
% 示例：
%{
img = imread('1.bmp');
I = rgb2gray(img); 
I = double(I);
x = 271;
y = 259;
J = My_RegionGrowing(I, [x, y], 20);
imshow(img)
hold on 
plot(y, x, 'p')
hold off
figure
imagesc(J)
%}
[row, col] = size(I);               % 输入图像的维数 
J = zeros(row, col);               % 输出
x0 = init_pos(1);                   % 初始点
y0 = init_pos(2);
reg_mean = I(x0, y0);       % 生长起始点灰度值
J(x0, y0) = 1;                    % 生长起始点设置为白色
reg_sum = reg_mean;                     % 符合生长条件的灰度值总和
reg_num = 1;                                  % 符合生长条件的点的个数
count = 1;                                       % 每次判断周围八个点中符合条件的数目
reg_choose = zeros(row*col, 2);      % 记录已选择点的坐标
reg_choose(reg_num, :) = init_pos;
num = 1;               % 第一个点   
while count > 0
    s_temp = 0;                  % 周围八个点中符合条件的点的灰度值总和
    count = 0;
    for k = 1 : num      % 对新增的每个点遍历，避免重复
        i = reg_choose(reg_num - num + k, 1);
        j = reg_choose(reg_num - num +k, 2);
        if J(i, j) == 1 && i > 1 && i < row && j > 1 && j < col   % 已确定且不是边界上的点
            % 八邻域
            for u =  -1 : 1      
                for v = -1 : 1
                    % 未处理且满足生长条件的点
                    if J(i + u, j + v) == 0 && abs(I(i + u, j + v) - reg_mean) <= reg_maxdist
                        J(i + u, j + v) = 1;           % 对应点设置为白色
                        count = count + 1;
                        reg_choose(reg_num + count, :) = [i + u, j + v];
                        s_temp = s_temp + I(i + u, j + v);   % 灰度值存入s_temp中
                    end
                end
            end
        end
    end
    num = count;                                      % 新增的点
    reg_num = reg_num + count;              % 区域内总点数
    reg_sum = reg_sum + s_temp;            % 区域内总灰度值
    reg_mean = reg_sum / reg_num;         % 区域灰度平均值
end