OpenCV基于C++，利用区域生长算法实现下图所示焊缝缺陷提取。其算法如下： (1)将图像转换为灰度图 (2)利用较高的阈值分割灰度图像，得到种子区域（threshold) (3)（重点）计算连通域的质心点，获得种子(connectedComponentsWithStats) (4)利用一个偏高的阈值（190）得到遮罩区域（threshold) (5)利用种子、遮罩区域，使用区域生长分割（floodFill)，得到缺陷图。代码

以下是基于OpenCV的C++代码实现：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 读入原始图像
    Mat src = imread("welding.jpg");
    // 转换为灰度图
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    // 较高阈值分割灰度图像，得到种子区域
    Mat threshold_img;
    threshold(gray, threshold_img, 50, 255, THRESH_BINARY);
    // 计算连通域的质心点，获得种子
    Mat labels, stats, centroids;
    int num_labels = connectedComponentsWithStats(threshold_img, labels, stats, centroids);
    // 偏高阈值得到遮罩区域
    Mat mask;
    threshold(gray, mask, 190, 255, THRESH_BINARY);
    // 区域生长分割，得到缺陷图
    Mat defect_img = Mat::zeros(src.size(), CV_8UC1);
    for (int i = 1; i < num_labels; i++)
    {
        Point center(cvRound(centroids.at<double>(i, 0)), cvRound(centroids.at<double>(i, 1)));
        if (mask.at<uchar>(center) > 0)
        {
            floodFill(defect_img, labels, center, 255);
        }
    }
    // 显示结果
    imshow("Original Image", src);
    imshow("Defect Image", defect_img);
    waitKey(0);
    return 0;
}

其中，需要注意的是 `connectedComponentsWithStats()` 函数返回的标签矩阵中，像素值为 0 代表背景，像素值为 1 代表第一个连通域，以此类推。因此，需要从标签矩阵的第二个元素开始遍历。