学习DIP第59天 转载请标明本文出处： ，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro
开篇废话
废话开始，今天本来只想写一篇，但晚上觉得还是快把区域分割简单介绍下，后面开始彩色图像类的知识学习和代码实现，下一篇介绍分水岭算法，这才是个头疼的算法，今天的区域分离（合并）相对比较好理解。
算法原理
首先本算法依然是基于区域的，用到的区域的性质是区域的均值和标准差，，简单描述算法，如果一个区域满足设定的均值范围和标准差范围，设置整个区域为亮，否则将次区域分为四份，每一份继续递归进行，直至预先设定的最小区域。
从结构来讲可以抽象成一颗四叉树：
算法最核心的是设计一个判别式，上面说的判别式是均值和均方的联合，也可以使用其他判别式，根据实际情况可以具体设计。
算法：
代码/*******************************************************************************//* *区域分割算法，递归进行判断 *如果区域不符合条件，将区域 *分为四份，递归判断每个区域 *知道区域分为最小设定值 */void findSplitRegion(double *src,double *dst,int width,int height,int x,int y,int w_width,int w_height,double mean_param1,double mean_param2,double variance_param1,double variance_param2){double mean=RegionMean(src, width, height, x, y, w_width, w_height);double variance=RegionStdDeviation(src, width, height, x, y, w_width, w_height);if(mean>mean_param1&&mean<=mean_param2&&variance>variance_param1&&variance<=variance_param2){RegionSetOne(dst, width, height, x, y, w_width, w_height);}else{#define MINIMAL_CELL 3if(w_width>=MINIMAL_CELL&&w_height>=MINIMAL_CELL){findSplitRegion(src, dst, width,height, x, y, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2);findSplitRegion(src, dst, width,height, x+w_width/2, y, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2);findSplitRegion(src, dst, width,height, x+w_width/2, y+w_height/2+1, w_width/2+1, w_height/2, mean_param1, mean_param2, variance_param1, variance_param2);findSplitRegion(src, dst, width,height, x, y+w_height/2, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2);}}}void RegionSplit(double *src,double *dst,int width,int height,double mean_param1,double mean_param2,double variance_param1,double variance_param2){double *dsttemp=(double *)malloc(sizeof(double)*width*height);findSplitRegion(src, dsttemp, width, height, 0,0, width, height, mean_param1, mean_param2, variance_param1,variance_param2);matrixCopy(dsttemp, dst, width, height);free(dsttemp);}实验结果
原图：
想要分离周围的星云,参数见图中标注：
原图：
同样分离周围的星云，参数见图中标注：
总结
此算法运行速度很快，但精确度不够高，因为设置的最小区域值决定了区域分割的准确性，所以会有锯齿状的边缘，这是一个缺点。 待续。。。
接受失败也等于给了自己从零开始的机会，接受失败更是一种智者的宣言和呐喊;
