欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中

【youcans 的 OpenCV 例程200篇】169.图像分割之区域分离

### 4.2 区域分离与聚合

区域分裂合并算法的基本思想是将图像细分为一组不相交的区域，然后聚合或者分离这些区域。

分离和聚合的判据是用户选择的谓词逻辑 Q，通常是目标区域特征一致性的测度，例如灰度均值和方差。

分离过程先判断当前区域是否满足目标的特征测度，如果不满足则将当前区域分离为多个子区域进行判断；不断重复判断、分离，直到拆分到最小区域为止。典型的区域分裂方法，是将区域按照 4 个象限分裂为 4 个子区域，可以简化处理和运算过程。

区域分离的分割结果通常包含具有相同性质的邻接区域，通过聚合可以解决这个问题。仅当邻接区域的并集满足目标的特征测度，才将进行聚合。

区域分离与聚合基本方案的过程如下：
（1）区域分离：把所有满足条件 $Q(R_i)=False$ 的区域 $R_i$ 等分为 4 个子区域，不断拆分直到最小单元；
（2）区域聚合：把所有满足条件 $Q(R_j\cup R_k)=True$ 的相邻区域 $R_j,R_k$ 聚合。

例程 11.26：图像分割之区域分离

    # 11.26 图像分割之区域分离def SplitMerge(src, dst, h, w, h0, w0, maxMean, minVar, cell=4):win = src[h0: h0+h, w0: w0+w]mean = np.mean(win)  # 窗口区域的均值var = np.std(win, ddof=1)  # 窗口区域的标准差，无偏样本标准差if (mean<maxMean) and (var>minVar) and (h<2*cell) and (w<2*cell):# 该区域满足谓词逻辑条件，判为目标区域，设为白色dst[h0:h0+h, w0:w0+w] = 255  # 白色# print("h0={}, w0={}, h={}, w={}, mean={:.2f}, var={:.2f}".#       format(h0, w0, h, w, mean, var))else:  # 该区域不满足谓词逻辑条件if (h>cell) and (w>cell):  # 区域能否继续分拆？继续拆SplitMerge(src, dst, (h+1)//2, (w+1)//2, h0, w0, maxMean, minVar, cell)SplitMerge(src, dst, (h+1)//2, (w+1)//2, h0, w0+(w+1)//2,  maxMean, minVar, cell)SplitMerge(src, dst, (h+1)//2, (w+1)//2, h0+(h+1)//2, w0, maxMean, minVar, cell)SplitMerge(src, dst, (h+1)//2, (w+1)//2, h0+(h+1)//2, w0+(w+1)//2, maxMean, minVar, cell)# else:  # 不能再分拆，判为非目标区域，设为黑色#     src[h0:h0+h, w0:w0+w] = 0  # 黑色img = cv2.imread("../images/Fig0938a.tif", flags=0)hImg, wImg = img.shapemean = np.mean(img)  # 窗口区域的均值var = np.std(img, ddof=1)  # 窗口区域的标准差，无偏样本标准差print("h={}, w={}, mean={:.2f}, var={:.2f}".format(hImg, wImg, mean, var))maxMean = 80  # 均值上界minVar = 10  # 标准差下界src = img.copy()dst1 = np.zeros_like(img)dst2 = np.zeros_like(img)dst3 = np.zeros_like(img)SplitMerge(src, dst1, hImg, wImg, 0, 0, maxMean, minVar, cell=32)  # 最小分割区域 cell=32SplitMerge(src, dst2, hImg, wImg, 0, 0, maxMean, minVar, cell=16)  # 最小分割区域 cell=16SplitMerge(src, dst3, hImg, wImg, 0, 0, maxMean, minVar, cell=8)  # 最小分割区域 cell=8plt.figure(figsize=(9, 7))plt.subplot(221), plt.axis('off'), plt.title("Origin")plt.imshow(img, 'gray')plt.subplot(222), plt.axis('off'), plt.title("Region split (c=32)")plt.imshow(dst1, 'gray')plt.subplot(223), plt.axis('off'), plt.title("Region split (c=16)")plt.imshow(dst2, 'gray')plt.subplot(224), plt.axis('off'), plt.title("Region split (c=8)")plt.imshow(dst3, 'gray')plt.tight_layout()plt.show()

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/124496034)

Copyright 2022 youcans, XUPT
Crated：2022-4-30

欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中

【youcans 的 OpenCV 例程200篇】168.图像分割之区域生长
【youcans 的 OpenCV 例程200篇】169.图像分割之区域分离
【youcans 的 OpenCV 例程200篇】170.图像分割之K均值聚类
更多内容，请见：
【OpenCV 例程200篇 总目录-202206更新】