基于vs2010与opencv采用区域生长法实现的图像分割法，经调试可用，一个挺简单的源程序，可供初学者参考

区域生长法MATLAB版本程序代码，需要把图像名字改成程序里一致的 区域生长法MATLAB版本程序代码，需要把图像名字改成程序里一致的

区域生长法源代码，在MATLAB开发环境中应用-Region growing method source code, in the MATLAB development environment application

编程实现优化算法中的参数（阈值、种子点）的选取，重新对图像中目标进行分割，分析改进算法的优势。分析图像中目标的分割在工程上的应用。

该代码是图像分割的MATLAB代码，有阈值法和种子区域生长法两种算法。

提出了基于种子生长法的图像分割，在传统SRG算法的基础上，又进行改进。改进算法利用颜色空间的像素与其邻域的颜色差异及相对欧式距离自动选择种子；应用SRG技术由已知的种子生长出初始分割区域；根据融合了颜色空间和邻接关系的区域距离对初始区域进行分级合并。实验结果表明该算法适合用于图像分割。

基于区域生长法的图像分割matlab代码明显的结果 该存储库中的代码是Shih和Cheng撰写的论文“用于彩色图像分割的自动播种区域生长”的MATLAB实现。 该方法包括4个主要部分： 将RGB图像转换为YCbCr颜色空间 自动选种 基于初始种子的区域生长 合并相似区域（这可能包括进一步合并具有不同阈值的区域） 我用于实验的图像是从2019 Kaggle图像分割竞赛数据集中随机选择的。 一些结果包括在下面。 在每个图像下方，给出了最终的相似度和大小阈值。 最初，每张图片的相似度阈值为0.1，且总图片大小的1/150合并 相似度：0.1，大小：1/150我使用此图像作为验证我的方法有效的一种方法。 如果存在错误，则错误显示的一种方法是不正确地合并不同的颜色。 相似度：0.2，尺寸：1/80 相似度：0.15，大小：1/100 相似度：0.1，尺寸：1/100 相似度：0.1，尺寸：1/100 相似度：0.14，尺寸：1/60 相似度：0.17，尺寸：150 相似度：0.1，尺寸：1/15 以下结果将阈值使用0.1和1/150，而无需进一步合并

为将肺实质区域从含有背景、噪声的胸腔区域里分割出来，首先，应用传统的区域生长法初步定位肺部边界轮廓；其次，去除肺部边界噪声，采用自适应曲率阈值法修复肺部边界；最后，应用水平集法中的DRLSE模型精确地分割出肺部区域。融合两种方法分割肺部区域，有效防止了图像边缘的漏检，可处理多种类型病变的肺部图像。在随机抽取的150例图像中，分割的准确率达到96.9%，分割一幅图像花费的时间约为0.72 s，具有很强的鲁棒性和较高的分割精度。本算法能精确完整地分割出肺部区域并保留了肺区内的细节信息。

利用MATLAB编程，来实现图像分割，效果不错

图像分割 区域生长 是我们理论分析的好帮手