区域生长算法的基本思想是将有相似性质的像素点合并到一起，对每一个区域要先指定一个种子点作为生长的起点，然后将种子点周围邻域的像素点和种子点进行对比，将具有相似性质的点合并起来继续向外生长，直到没有满足条件的像素点被包括进来为止，这样一个区域的生长就完成了。
区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从一组生长点开始(生长点可以是单个像素，也可以是某个小区域)，将与该生长点性质相似的相邻像素或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止。生长点和相似区域的相似性判断依据可以是灰度值、纹理、颜色等图像信息。所以，区域生长算法的关键有3个:选择合适的生长点；确定相似性准则即生长准则；确定生长停止条件。
算法步骤如下。
(1)创建一个空白的图像(全黑)。
(2)将种子点存入集合中，集合中存储待生长的种子点。
(3)依次弹出种子点并判断种子点与周围8邻域的关系(生长准则)，相似的点则作为下次生长的种子点。(www.xing528.com)
(4)集合中不存在种子点后就停止生长。
图8－11给出一个区域生长的实例:图8－11(a)为原始图像，数字表示像素的灰度值，以灰度值为8的像素作为初始的生长点，记为f(i，j)；在8邻域内，生长准则是待测点灰度值与生长点灰度值相差为1或0；图8－11(b)是第1次区域生长后，f(i－1，j)、f(i，j－1)、f(i，j＋1)和生长点灰度值相差都是1，因而被合并；图8－11(c)是第2次生长后，f(i＋1，j)被合并。图8－11(d)为第3次生长后，f(i＋1，j－1)、f(i＋2，j)被合并，至此，已经不存在满足生长准则的像素点，生长停止。
图8－11 区域生长算法
(a)原图像灰度矩阵生长点；(b)第1次区域生长结果；(c)第2次区域生长结果；(d)第3次区域生长结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
