区域生长计算连通域的质心点算法代码

以下是一种使用Python实现的区域生长算法来计算连通域质心点的代码：

import numpy as np

def region_growing(image, threshold):
    """
    使用区域生长算法来计算图像中的连通域
    :param image: 原始图像，二维numpy数组
    :param threshold: 生长阈值
    :return: 连通域列表，每个连通域包含其像素坐标和质心坐标
    """
    # 初始化
    rows, cols = image.shape
    visited = np.zeros((rows, cols), dtype=bool)
    regions = []

    # 区域生长算法
    for i in range(rows):
        for j in range(cols):
            if not visited[i, j]:
                region = []
                queue = [(i, j)]
                visited[i, j] = True
                while queue:
                    x, y = queue.pop(0)
                    region.append((x, y))
                    if x > 0 and not visited[x-1, y] and abs(image[x, y] - image[x-1, y]) < threshold:
                        queue.append((x-1, y))
                        visited[x-1, y] = True
                    if x < rows-1 and not visited[x+1, y] and abs(image[x, y] - image[x+1, y]) < threshold:
                        queue.append((x+1, y))
                        visited[x+1, y] = True
                    if y > 0 and not visited[x, y-1] and abs(image[x, y] - image[x, y-1]) < threshold:
                        queue.append((x, y-1))
                        visited[x, y-1] = True
                    if y < cols-1 and not visited[x, y+1] and abs(image[x, y] - image[x, y+1]) < threshold:
                        queue.append((x, y+1))
                        visited[x, y+1] = True
                if len(region) > 0:
                    region = np.array(region)
                    centroid = np.mean(region, axis=0)
                    regions.append({'pixels': region, 'centroid': centroid})
    
    return regions

在此代码中，我们使用一个二维numpy数组来表示原始图像，并使用阈值作为生长条件。算法遍历图像的每个像素，并将它与其相邻的像素进行比较。如果它们之间的差异小于阈值，则将其添加到同一连通域中，并将其标记为已访问。最终，我们计算每个连通域的质心坐标作为其特征，并将其保存在一个列表中返回。