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)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，得到缺陷图

像。

该算法的具体步骤如下：

1. 将原始图像转换为灰度图像。

2. 对灰度图像进行较高的阈值分割，得到种子区域。

3. 利用OpenCV中的connectedComponentsWithStats函数计算连通域的质心点，获得种子。

4. 对灰度图像进行较高的阈值分割，得到遮罩区域。

5. 利用OpenCV中的区域生长算法，利用种子和遮罩区域进行缺陷分割，得到缺陷图像。

下面是基于OpenCV的C++代码实现：

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

using namespace cv;
using namespace std;

int main()
{
    Mat src = imread("welding.jpg");

    if (src.empty())
    {
        cout << "Could not open or find the image" << endl;
        return -1;
    }

    Mat grayImg;
    cvtColor(src, grayImg, COLOR_BGR2GRAY);

    // 较高的阈值分割，得到种子
    Mat seedImg;
    threshold(grayImg, seedImg, 60, 255, THRESH_BINARY);

    // 计算连通域的质心点，获得种子
    Mat labels, stats, centroids;
    int numLabels = connectedComponentsWithStats(seedImg, labels, stats, centroids);

    // 生成遮罩区域
    Mat maskImg;
    threshold(grayImg, maskImg, 190, 255, THRESH_BINARY);

    // 区域生长分割，得到缺陷图像
    Mat defectImg = Mat::zeros(src.rows, src.cols, CV_8UC1);
    for (int i = 1; i < numLabels; i++)
    {
        // 取出一个连通域
        Mat region = (labels == i);

        // 利用种子、遮罩区域进行区域生长分割
        Mat mask = region & maskImg;
        floodFill(mask, centroids.at<Point2d>(i, 0), Scalar(255), nullptr, Scalar(), Scalar(), 4);

        // 将分割结果添加到缺陷图像中
        defectImg |= mask;
    }

    imshow("Original Image", src);
    imshow("Defect Image", defectImg);
    waitKey();

    return 0;
}

需要注意的是，该算法对于阈值的选择比较敏感，需要根据实际情况进行调整。如果阈值设置不合适，可能会导致缺陷分割不准确。