区域生长法分割程序，手动选取种子像素点

区域生长法是一种基于像素相似性的图像分割算法，可以用于分割医学图像、遥感影像等。下面是一个手动选取种子像素点的区域生长法分割程序示例（使用Python语言和OpenCV库）：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('input_image.jpg', cv2.IMREAD_GRAYSCALE)

# 设置阈值和种子像素点
threshold = 50
seed_points = [(50, 50), (100, 100), (150, 150)]

# 区域生长法分割
seg_map = np.zeros_like(img)
for seed_point in seed_points:
    segment = np.zeros_like(img)
    segment[seed_point] = 255
    while True:
        old_segment = segment.copy()
        for i in range(img.shape[0]):
            for j in range(img.shape[1]):
                if segment[i, j] == 255:
                    if i > 0 and abs(int(img[i, j]) - int(img[i-1, j])) < threshold:
                        segment[i-1, j] = 255
                    if i < img.shape[0]-1 and abs(int(img[i, j]) - int(img[i+1, j])) < threshold:
                        segment[i+1, j] = 255
                    if j > 0 and abs(int(img[i, j]) - int(img[i, j-1])) < threshold:
                        segment[i, j-1] = 255
                    if j < img.shape[1]-1 and abs(int(img[i, j]) - int(img[i, j+1])) < threshold:
                        segment[i, j+1] = 255
        if np.array_equal(old_segment, segment):
            break
    seg_map[segment == 255] = 255

# 显示分割结果
cv2.imshow('Segmentation Result', seg_map)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例程序中，我们首先读取了一张灰度图像。然后，我们设置了阈值和种子像素点，这些种子像素点是我们手动选择的。接着，我们使用双重循环遍历图像中的每一个像素，并根据像素的相似性来判断该像素是否应该被添加到当前区域中。最后，我们将所有被添加到区域中的像素标记为白色，并在一个新的图像中显示分割结果。

需要注意的是，这个示例程序中的区域生长法只能进行单通道图像（如灰度图像）的分割。如果要对彩色图像进行分割，需要先将图像转换为单通道图像。此外，该示例程序中的区域生长法只考虑了四联通的像素，如果要考虑八联通的像素，需要稍微修改一下程序中的判断条件。