魏光杏，周献中，李 华

（1. 滁州职业技术学院 信息工程学院，安徽 滁州 239000；2. 南京大学 工程管理学院，江苏 南京 210093）

0 引言

图像分割是图像处理和判读处理中一个非常重要的阶段，目前有许多共性的图像分割方法，其中包括基于区域的分割［1−4］、基于超像素的分割［5］和基于轮廓的分割［6］。好的分割方法可以更容易得到准确的图像信息。

按区域生长进行分割是一种快速、简单且易于实现的图像分割算法。蒋秋霖等［1］将区域生长算法应用到医学脑肿瘤图像分割上，得到较好的分割图像，但图像上点的次序对该优化算法影响较大，分割出的结果不太稳定，容易产生过分割。肖明尧等［2］引入图像的多尺度概念，提出基于多尺度区域生长的图像分割算法，利用图像多尺度的最大梯度矩阵来获得准确的分割图像，但算法的复杂度偏高。刘振宇等［3］提出基于改进区域生长算法的视杯自动分割算法，该算法依据图像灰度直方图以及阈值法对区域生长算法中的种子点定位性能进行提高，得到的分割后图像有较高准确性，但仅适用于视网膜血管分割。文献［4］给出了优化算法，该算法先计算所有像素点的直方图和邻域相似度因子，然后根据邻域相似度因子的值建立种子选择规则、种子生长准则和生长终止准则，通过相关阈值对图像进行分割。虽然该算法获得分割图的质量有较大提高，但它仍存在着不足，如对阈值敏感、对于不同的初始化点（种子点）得到的结果不同。……