给我一段python代码，解决以下图像分割的问题：在一张紫色背景的图中，有7个接近方形的白色区域，需要利用颜色区分和区域生长，识别并分割出这7个白色区域。注意，白色区域中可能有较多分散的紫色斑点。分割后返回这7个区域的最大内接矩形的四角坐标。

首先，你需要安装`numpy`、`opencv-python`和`matplotlib`库。下面是一个基本的Python代码示例，它会使用`cv2`库进行颜色分割、区域生长和提取最大内接矩形的四个角落坐标：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('purple_background_image.jpg', 0)  # 假设图片是灰度图，如果不是请先转换

# 设置紫色和白色的阈值
lower_threshold = np.array([100, 50, 50])  # 紫色范围，这里假设紫色大约在HSV空间的蓝色部分
upper_threshold = np.array([130, 255, 255])

# 颜色转换到HSV空间
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 使用inRange函数创建二进制掩码
mask = cv2.inRange(hsv, lower_threshold, upper_threshold)

# 执行区域生长
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))  # 用3x3的矩形结构元素
dilated_mask = cv2.dilate(mask, kernel, iterations=2)  # 进行两次膨胀，增强边缘连接

# 提取轮廓
contours, _ = cv2.findContours(dilated_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 初始化结果存储
regions = []
corners = []

# 遍历轮廓
for contour in contours:
    # 计算每个轮廓的外接矩形
    x, y, w, h = cv2.boundingRect(contour)
    
    # 检查是否接近方形（比如面积比周长大于一定阈值）
    if w > h * 1.2 and w < h * 1.8:  # 调整这个比例以适应您的实际情况
        regions.append((x, y, w, h))
        corners.append(((x, y), (x+w, y), (x+w, y+h), (x, y+h)))

# 显示原始图像和分割后的区域
fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(10, 5))
axs[0].imshow(image, cmap='gray')
axs[0].set_title('Original Image')
axs[1].imshow(dilated_mask, cmap='gray')
axs[1].set_title('Segmented Regions')

# 返回结果
print(f"Detected regions with their corner coordinates: {regions}")
print(f"Corners for each region: {corners}")

注意：这段代码需要`matplotlib`库进行可视化展示，如果你还没安装，可以使用`pip install matplotlib`命令安装。此外，调整阈值、区域生长参数可能需要针对实际图片进行微调。