(3)、以种子点进行区域生长：
以种子点所在位置开始遍历，当判断满足种子点条件时调用函数：
functionA=neitest(i,j,f,T);%返回当前（i，j）位置种子点的
S=Stemp;%更新当前位置的8邻域满足阈值条件的点；使S中始终加入最近的种子点。
最终循环条件截止条件：
if(sum(sum(abs(double(S)-double(sd))))==0) %当前一次的种子加入点数和本次的相同时
安康学院
学年论文﹙设计﹚
题 目基于区域生长法的图像分割
学生姓名周东阳 2012020081
所在院(系)电子与信息工程系
专业班级电子信息工程2012级2班
指导教师余顺园
2015年6月25日
基于区域生长法的图像分割
作者：周东阳
安康学院电子与信息工程系电子信息工程专业12级，陕西 安康 725000
指导教师：余顺园
B=rgb2gray(A);
f=double(B);
figure
imshow(f);
title('源图像');
(2)、以种子点对原图像二值分割：
seed=175;
S=abs(double(f)-double(seed))<70;%以初始种子点进行二值图像分割；
figure
imshow(S);
title('初始种子点');
图3灰度直方图
(3）、对图像进行种子点的选取，Seed=175，并对其进行逻辑阈值分割
Savlue=175;
S=(abs(double(f)-double(Svalue))<70);
imshow(S);
图4初始种子点
（4）、按照上图图像选出的种子点对图像进行区域生长，按照阈值T=45，每次运算只进行区域生长中的新种子点，判断生长停止条件为本次生长和上次生长后的新增种子点为0。
1基于区域生长的图像分割的实现方法
区域生长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。基本方法是以一组种子点开始，将与种子性质相似的相邻像素附加到生长区域的每个种子上。
区域生长算法的重点是：
种子点的选取
生长准则的确定
算法流程设计：
图1：算法设计流程
(1)、图像读取：
A=imread('4.jpg');
Key words：Region growingseedssplitpixels
0引言
人们只关心在图像的研究和应用中的某些部分，这些部分经常被称为目标或前景，它们通常对应于图像的特定性质或特定领域。这就需要提取并将它们分辨识别和分析对象。在此基础上可能进一步对目标作用。图像分割是一种技术和工艺，它可以将其分为不同的区域形象特征，并提取有利的目标。这些特色可以是像素，灰度，颜色，质地等。图像分割是从图像处理到图像分析的关键步骤。一方面它是目标表达的基础，并对测量有重要影响。另一方面，作为图像分割是以分割为基础的描述，提取特征和测量参数使原始图像变得更抽象，形式更紧凑，以此来实现更高层次的图像分析和理解。
（3）、能够对每次新增的种子点进行判断其周围点的可行性，用循环方法不断将新增的种子点加入区域，并用阈值条件进行生长。
（4）、对区域生长后的图像进行膨胀操作处理，使得在对图像中灰度值较高的密集点区域变得更大。防止断线，对象图像中的瑕点更减少，视觉效果更好。
（5)、再对膨胀后的图像进行中值滤波处理，使得对象图像中的瑕点进一步减少，对象图像更加连续，几乎感觉不到瑕点的存在。
【摘要】图像分割的目的是将图像划分为不同的区域，基于区域生长是以直接找寻区域为基础的分割技术。区域生长是一种根据事先定义的准则将像素或子区域聚合成为更大的区域的过程。基本方法是以一组“种子”点开始，将与种子点性质相似（诸如灰度级等）的相邻像素附加到生长区域的每个种子上。
区域生长的一个问题是用公式描述一个终止规则。基本上，在没有像素满足加入某个区域的条件时，区域生长就会停止。在此次课程设计中，在算法的设计上充分反映了这一点。在遍历图像的过程中调用函数testnei，测试i,j点处的邻域满足条件的像素。将每次新增长的种子点作为下次遍历的中心点，直到区域不再生长。
C = medfilt2(S,[7 7]);
figure
imshow(C)
title('经过中值滤波后的图像');
图7经过中值滤波图像
4 结果分析：
通过运行程序得到上述图形结果，分析之可知用区域生长法分割图像的关键在于种子数的选取及阈值的确定，在图像的细节不是太多的情况下，我们可以通过图像的灰度直方图来确定种子数的大致范围，以及阈值的大小，然后通过运行程序，观察结果，不断调整种子数、阈值的大小，以达到分割的最佳效果。另外对区域生长后的图像进行膨胀操作处理，使得在对象图像中灰度值较高的密集点区域变得更大。防止断线，对对象图像中的瑕点更少，视觉效果更好，再对膨胀后的图像进行中值滤波处理，使得对象图像中的瑕点进一步减少，对象图像更加连续，几乎感觉不到瑕点的存在。
说明生长完毕，种子不再生长；
break;
end
(4)、对生长完毕的图像进行膨胀操作：
B=[1 1 1;1 1 1;1 1 1];
S=imdilate(S,B);
figure
imshow(S)
title('膨胀后的图像')
（5）、对膨胀后的图像进行中值滤波：
C = medfilt2(S,[5 5]);
Region growing is one of the problems with formulas describing a termination rule. Basically, no pixels when you meet the conditions for joining a regional, regional growth will stop. In the design of this course, in algorithm design fully reflects that. Traverse the image function is called duringtestneitestingi,jneighborhood at the point where pixels meet the conditions.Seeds of each new growth as the center point of the next loop, until the area is no longer growing.
figure
imshow(C)
title('经过中值滤波后的图像');
2功能描述
（1）、对图像进行种子点的选取，并进行阈值分割操作，在种子点的选取上可以借助图像的灰度直方图，看目标图像的灰度取值范围，然后取其中间值作为种子值并允许其灰度值在±70范围内。
（2）、函数function A=neitest(i,j,f,T)能够对当前（i，j）坐标点像素进行判断，在其8邻接的像素点上满足阈值条件的点坐标将通过A返回。
3 测试结果
(1)、读显原图
A=imread('4.jpg');
B=rgb2gray(A);
f=double(B);
figure
imshow(f);
title('源图像');
图2源图像
(2)、源图像的灰度直方图，可知目标区域的灰度值主要集中在120~255范围内。
Figure
imhist(B);
title('灰度直方图');
Directed byYuShunyuan
Abstract:Image segmentation aims to divide the image into different areas, based on region growing is to find region-based segmentation techniques. Criteria defined in advance by the region growing is a pixel or sub-regional aggregate into bigger regional process. Basic method is based on a set of "seed" point, with seeds similar in nature (such as grayscale) adjacent pixels on each attach to the growth region of the seed.
图5生长后图像
（5）、对区域生长后的图像进行膨胀使得在对图像中灰度值较高的密集点区域变得更大。
B=[1 1 1;1 1 1;1 1 1];
S=imdilate(S,B);
figure
imshow(S)
title('膨胀后的图像');
图6膨胀后图像
（6）、对上面的图像进行中值滤波处理，使对象图像中的瑕点大大减少，真强图像的实际效果。
【关键词】区域生长 种子点 分割像素
Image segmentatioห้องสมุดไป่ตู้ based on region growing arithmetic
Author：ZhouDongyang
Grade three ,Class two,MajorElectronic and Information Engineering,Dept.，Ankang University，Ankang 725000，Shaanxi
在实际生活中，图像分割的应用也很广泛，几乎出现在所有图像处理的相关领域并涉及各种图像类型。例如。卫星图像处理遥感应用，图像的脑部MR分析在医药的应用等。