5.6.2　分裂合并

区域生长过程是从一组生长点开始，通过不断接纳新像素最后得到整个区域。一种替换方法是在开始时将图像分割成一系列任意不相交的区域，然后将它们进行合并或分裂得到各个区域。

分裂合并算法的基本思想是先确定一个分裂合并的准则，即区域特征一致性的测度，当图像中某个区域的特征不一致时就将该区域分裂为四个相等的子区域，当相邻的子区域满足一致性特征时则将它们合成一个大区域，直至所有区域不再满足分裂合并的条件为止。当分裂到不能再分的情况时，分裂结束，然后它将查找相邻区域有没有相似的特征，如果有就将相似区域进行合并，最后达到分割的作用。

在一定程度上区域生长和区域分裂合并算法有异曲同工之妙，互相促进、相辅相成的。区域分裂到极致就是分割成单一像素点，然后按照一定的测量准则进行合并，在一定程度上可以认为是单一像素点的区域生长方法。

区域生长比区域分裂合并的方法节省了分裂的过程，而区域分裂合并的方法可以在较大的一个相似区域基础上再进行相似合并，而区域生长只能从单一像素点出发进行生长(合并)。

在区域分裂合并方法中，最常用的方法是四叉树分解法，在图像分割中广泛使用。MATLAB图像处理工具箱中提供了实现四叉树分解功能的函数qtdecomp()。图5－43是一幅原始的灰度图像，图5－44是阈值为0.05的四叉树分解法提取结果，图5－45是阈值为0.1的四叉树分解法提取结果，图5－46是阈值为0.2的四叉树分解法提取结果。程序代码如下:

f=imread('fly.jpg');

imshow(f);

g1=qtdecomp(f，0.05);

figure，imshow(g1);

g2=qtdecomp(f，0.1);

figure，imshow(g2);

g3=qtdecomp(f，0.2);

figure，imshow(g3)。

图5－43

图5－44

图5－45

图5－46