区域生长蟒蛇

Question

我致力于在 python 中实现区域增长算法。但是当我在输出上运行这段代码时，我得到了没有错误的黑色图像。在输入图像上使用 CV 阈值函数，对于种子值，我使用鼠标单击将 x、y 值存储在元组中。

 def get8n(x, y, shape):
    out = []
    if y-1 > 0 and x-1 > 0:
        out.append( (y-1, x-1) )
    if y-1 > 0 :
        out.append( (y-1, x))
    if y-1 > 0 and x+1 < shape[1]:
        out.append( (y-1, x+1))
    if x-1 > 0:
        out.append( (y, x-1))
    if x+1 < shape[1]:
        out.append( (y, x+1))
    if y+1 < shape[0] and x-1 > 0:
        out.append( ( y+1, x-1))
    if y+1 < shape[0] :
        out.append( (y+1, x))
    if y+1 < shape[0] and x+1 < shape[1]:
       out.append( (y+1, x+1))
    return out

def region_growing(img, seed):
    list = []
    outimg = np.zeros_like(img)

    list.append((seed[0], seed[1]))
    while(len(list)):
        pix = list[0]
        outimg[pix[0], pix[1]] = 255
        for coord in get8n(pix[0], pix[1], img.shape):
            if img[coord[0], coord[1]] > 0:
                outimg[coord[0], coord[1]] = 255
                list.append((coord[0], coord[1]))
        list.pop(0)
    return outimg

def on_mouse(event, x, y, flags, params):
    if event == cv2.EVENT_LBUTTONDOWN:
        print 'Seed: ' + str(x) + ', ' + str(y)
        clicks.append((y,x))

clicks = []
image = cv2.imread('lena.jpg', 0)
ret, img = cv2.threshold(image, 200, 255, cv2.THRESH_BINARY)
cv2.namedWindow('Input')
cv2.setMouseCallback('Input', on_mouse, 0, )
cv2.imshow('Input', img)
cv2.waitKey()
seed = clicks[-1]
cv2.imshow('Region Growing', region_growing(img, seed))
cv2.waitKey()
cv2.destroyAllWindows()

原文由 David 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

我在使用您的 get8n() 函数时遇到了一些问题，所以我重写了它。我相信下面的代码可以满足您的要求。 region_growing() 函数中有两行被注释掉了。如果您取消注释它们，它们将显示处理过程中发生的事情的动画。这是一种可视化代码并让您了解哪里出了问题的好方法。

此外，在您的代码中，您可以将已经处理过的像素添加到“待处理”列表中。这导致了无限循环。我添加了一项检查，以防止将已经处理过的像素添加回列表中。

 import cv2
import numpy as np

def get8n(x, y, shape):
    out = []
    maxx = shape[1]-1
    maxy = shape[0]-1

    #top left
    outx = min(max(x-1,0),maxx)
    outy = min(max(y-1,0),maxy)
    out.append((outx,outy))

    #top center
    outx = x
    outy = min(max(y-1,0),maxy)
    out.append((outx,outy))

    #top right
    outx = min(max(x+1,0),maxx)
    outy = min(max(y-1,0),maxy)
    out.append((outx,outy))

    #left
    outx = min(max(x-1,0),maxx)
    outy = y
    out.append((outx,outy))

    #right
    outx = min(max(x+1,0),maxx)
    outy = y
    out.append((outx,outy))

    #bottom left
    outx = min(max(x-1,0),maxx)
    outy = min(max(y+1,0),maxy)
    out.append((outx,outy))

    #bottom center
    outx = x
    outy = min(max(y+1,0),maxy)
    out.append((outx,outy))

    #bottom right
    outx = min(max(x+1,0),maxx)
    outy = min(max(y+1,0),maxy)
    out.append((outx,outy))

    return out

def region_growing(img, seed):
    seed_points = []
    outimg = np.zeros_like(img)
    seed_points.append((seed[0], seed[1]))
    processed = []
    while(len(seed_points) > 0):
        pix = seed_points[0]
        outimg[pix[0], pix[1]] = 255
        for coord in get8n(pix[0], pix[1], img.shape):
            if img[coord[0], coord[1]] != 0:
                outimg[coord[0], coord[1]] = 255
                if not coord in processed:
                    seed_points.append(coord)
                processed.append(coord)
        seed_points.pop(0)
        #cv2.imshow("progress",outimg)
        #cv2.waitKey(1)
    return outimg

def on_mouse(event, x, y, flags, params):
    if event == cv2.EVENT_LBUTTONDOWN:
        print 'Seed: ' + str(x) + ', ' + str(y), img[y,x]
        clicks.append((y,x))

clicks = []
image = cv2.imread('lena.bmp', 0)
ret, img = cv2.threshold(image, 128, 255, cv2.THRESH_BINARY)
cv2.namedWindow('Input')
cv2.setMouseCallback('Input', on_mouse, 0, )
cv2.imshow('Input', img)
cv2.waitKey()
seed = clicks[-1]
out = region_growing(img, seed)
cv2.imshow('Region Growing', out)
cv2.waitKey()
cv2.destroyAllWindows()

这是点击她帽子左侧的结果：

原文由 BHawk 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

上面给出的解决方案在概念上是正确的，但从数字的角度来看，它们包含一些严重的问题，使它们在像素数量上排序为 N^2。如果您可以将信息存储在提供随机访问的数组中，则无需在列表中搜索像素，并且连通性函数也可以被 cythonized。如果能够提供您自己的相似度函数也很好。

因此，这是我关于在 Jupyter notebook 中运行的改进且绝对更快的版本的建议：

第一个导入单元格：

 import numpy as np
import cv2

%pylab inline

%load_ext Cython

第二个单元格（不要合并第一个）：

 %%cython
# Use %%cython -a for more verbose output, note %%cython should be on the first line in the cell!
def get_8_connected(int x, int y, shape):
    cdef int xmax = shape[0]-1
    cdef int ymax = shape[1]-1
    cdef int connected_pixel_x
    cdef int connected_pixel_y
    cdef int dx, dy

    connected_pixels = list()

    for dx in range(3):
        for dy in range(3):
            connected_pixel_x  = x + dx - 1
            connected_pixel_y = y + dy - 1
            if connected_pixel_x < 0 or connected_pixel_x > xmax or \
                connected_pixel_y < 0 or connected_pixel_y > ymax or \
                (connected_pixel_x == x and connected_pixel_y == y):
                    pass
            else:
                connected_pixels.append((connected_pixel_x,connected_pixel_y))
    return  connected_pixels

区域合并的第三个单元格

def region_growing(img,
                   seed_points,
                   test = lambda seed_x, seed_y, x, y, img, outimg : img[x,y] != 0,
                   colormap=None):

    processed = np.full((img.shape[0],img.shape[1]), False)

    if colormap is None:
        outimg = np.zeros_like(img)
    else:
        outimg = np.zeros((img.shape[0],img.shape[1],colormap.shape[1]),dtype=np.uint8)

    for index, pix in enumerate(seed_points):
        processed[pix[0], pix[1]] = True
        if colormap is None:
            outimg[pix[0], pix[1]] = img[pix[0], pix[1]]
        else:
            outimg[pix[0], pix[1]]  = colormap[index % len(colormap)]

    while(len(seed_points) > 0):
        pix = seed_points[0]

        for coord in get_8_connected(pix[0], pix[1], img.shape):
            if not processed[coord[0],coord[1]]:
                test_result = test(pix[0], pix[1], coord[0], coord[1], img, outimg)
                if test_result:
                    outimg[coord[0], coord[1]]  = outimg[pix[0], pix[1]]
                    if not processed[coord[0],coord[1]]:
                        seed_points.append(coord)
                    processed[coord[0],coord[1]] = True

        seed_points.pop(0)
    return outimg

并且可以使用与以前相同的逻辑从另一个单元调用它：

 def on_mouse(event, x, y, flags, params):
    if event == cv2.EVENT_LBUTTONDOWN:
        print( 'Seed: ' + str(x) + ', ' + str(y), img[y,x])
        clicks.append((int(y), int(x)))

clicks = []
image = cv2.imread('lena.bmp', 0)
ret, img = cv2.threshold(image, 128, 255, cv2.THRESH_BINARY)
cv2.namedWindow('Input')
cv2.setMouseCallback('Input', on_mouse, 0, )
cv2.imshow('Input', img)
cv2.waitKey()
cv2.destroyAllWindows()

seed = clicks
out = region_growing(img, seed)
cv2.imshow('Region Growing', out)
cv2.waitKey()
cv2.destroyAllWindows()

有一些小的功能差异。输出中的区域要么由原始图像在种子处的值标记，要么由可选颜色图中的值标记。给定 als 无符号 8 位整数，颜色图需要指定 RGB 颜色。也可以传入定制的测试函数，替换：

 test = lambda seed_x, seed_y, x, y, img, outimg : img[x,y] != 0

例如：

 test = lambda seed_x, seed_y, x, y, img, outimg : abs(img[x,y] - img[seed_x, seed_y]) < 4

将产生所有连接到强度步长低于 4 的原始种子的像素。

在我的上下文中，它适用于单色和彩色图像。这适用于 2d 数组和 3D 数组。

如果无法使用 Cython 函数 get_8_connected 可以替换为：

 def get_8_connected(x, y, shape):
    xmax = shape[0]-1
    ymax = shape[1]-1

    connected_pixels = list()

    for dx in range(3):
        for dy in range(3):
            connected_pixel_x  = x + dx - 1
            connected_pixel_y = y + dy - 1
            if connected_pixel_x < 0 or connected_pixel_x > xmax or \
                connected_pixel_y < 0 or connected_pixel_y > ymax or \
                (connected_pixel_x == x and connected_pixel_y == y):
                    pass
            else:
                connected_pixels.append((connected_pixel_x,connected_pixel_y))
    return  connected_pixels```

原文由 Ronald van Elburg 发布，翻译遵循 CC BY-SA 4.0 许可协议