用到环境
1、pycharm community edition 2022.3.2
2、Python 3.10

后面应该会传代码到资源，比较需要的可以私信我。

总体设计

图1 扩展实验二“医学图像分割”流程图 ## 具体步骤 1. 导入OpenCV和NumPy库 2. 定义阈值分割方法`threshold_segmentation`，接收图像和阈值作为参数，将图像转为灰度图后进行阈值分割，返回二值化图像。 3. 定义区域生长方法`region_growing`，接收图像、种子点和生长阈值作为参数，将图像转为灰度图后创建一个掩膜用于记录已经生长的区域，将种子点加入到生长队列中，然后进行区域生长。在生长过程中，取出队首像素点，如果当前像素点未被访问过且符合生长条件，则加入到生长区域中，并将当前像素点的相邻像素加入到生长队列中。最终返回生长后的掩膜。 4. 加载测试图像。 5. 进行阈值分割方法实验，设置阈值为80，调用`threshold_segmentation`方法得到二值化图像，并显示处理结果。 6. 进行区域生长方法实验，设置种子点坐标为[100, 100]，生长阈值为30，调用`region_growing`方法得到掩膜，并显示处理结果。 7. 等待用户按下任意键后关闭所有窗口。

结果展示

血管

图2 血管原图

图3 阈值分割（左）与区域生长法（右）对比

  分析：都可以有效实现分割，但是左边的阈值分割去噪能力更强，右边的区域生长法分割的更全面。

图4 区域生长法阈值选取对比

  分析：左边为阈值选取不合理，右边为阈值选取合理，可以看出阈值选取得当对区域生长法很重要。

图5 区域生长法种子点坐标选取对比

  分析：左边为区域生长法种子点坐标选取不得当，右边为区域生长法种子点坐标选取得当，可以看出区域生长法种子点坐标选取对结果有致命的影响。

胼胝体MR图像

图6 胼胝体MR原图

图7 MR阈值分割（左）与区域生长法（右）对比   分析：都可以有效实现分割，但是左边的阈值分割去噪能力更强，右边的区域生长法分割的更全面。

图8 MR区域生长法种子点坐标选取对比   分析：左边为区域生长法种子点坐标选取不得当，右边为区域生长法种子点坐标选取得当，可以看出区域生长法种子点坐标选取对结果有致命的影响。

代码：

import cv2
import numpy as np

# 阈值分割方法
def threshold_segmentation(image, threshold):
    # 将图像转为灰度图
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 进行阈值分割
    ret, binary = cv2.threshold(gray, threshold, 255, cv2.THRESH_BINARY)
    return binary

# 区域生长方法
def region_growing(image, seed_point, threshold):
    # 将图像转为灰度图
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 创建一个和图像大小相同的掩膜，用于记录已经生长的区域
    mask = np.zeros_like(gray)
    # 将种子点加入到生长队列中
    queue = []
    queue.append(seed_point)
    # 进行区域生长
    while len(queue) > 0:
        # 取出队首像素点
        current_point = queue.pop(0)
        # 如果当前像素点未被访问过，且符合生长条件，则加入到生长区域中
        if mask[current_point[1], current_point[0]] == 0 and abs(gray[current_point[1], current_point[0]] - gray[seed_point[1], seed_point[0]]) < threshold:
            mask[current_point[1], current_point[0]] = 255
            # 将当前像素点的相邻像素加入到生长队列中
            if current_point[1] > 0:
                queue.append([current_point[0], current_point[1] - 1])
            if current_point[1] < image.shape[0] - 1:
                queue.append([current_point[0], current_point[1] + 1])
            if current_point[0] > 0:
                queue.append([current_point[0] - 1, current_point[1]])
            if current_point[0] < image.shape[1] - 1:
                queue.append([current_point[0] + 1, current_point[1]])
    return mask
30
# 加载测试图像
image = cv2.imread('1.png')

# 阈值分割方法实验
threshold = 80
binary = threshold_segmentation(image, threshold)
cv2.imshow('Threshold Segmentation', binary)

# 区域生长方法实验
seed_point = [100, 100] # 种子点坐标
threshold =30  # 生长阈值
mask = region_growing(image, seed_point, threshold)
cv2.imshow('Region Growing', mask)

cv2.waitKey(0)
cv2.destroyAllWindows()

编写不易，求个点赞！！！！！！！
“你是谁？”

“一个看帖子的人。”

“看帖子不点赞啊？”

“你点赞吗？”

“当然点了。”

“我也会点。”

“谁会把经验写在帖子里。”

“写在帖子里的那能叫经验贴？”

“上流！”
cheer！！！