实现二值图像连通区标记之区域生长法

连通区标记是最主要的图像处理算法之中的一个。该算法中，按从左至右、从上至下的顺序，对整幅图像进行扫描，通过比較每一个前景像素的邻域进行连通区标记，并创建等效标记列表。最后，合并等效标记列表，并再次扫描图像以更新标记。算法的长处的是通俗易懂，缺点是须要两次扫描图像，效率不高。

区域生长法利用区域生长的思想，一次生长过程能够标记一整个连通区，仅仅需对图像进行一次扫描就能标记出全部连通区。算法描写叙述例如以下：

1. 输入待标记图像bitmap，初始化一个与输入图像相同尺寸的标记矩阵labelmap，一个队列queue以及标记计数labelIndex；
2. 按从左至右、从上至下的顺序扫描bitmap，当扫描到一个未被标记的前景像素p时，labelIndex加1，并在labelmap中标记p（对应点的值赋为labelIndex），同一时候，扫描p的八邻域点，若存在未被标记的前景像素，则在labelmap中进行标记，并放入queue中，作为区域生长的种子；
3. 当queue不为空时，从queue中取出一个生长种子点p1，扫描p1的八邻域点，若存在未被标记过的前景像素，则在labelmap中进行标记，并放入queue中；
4. 反复3直至queue为空，一个连通区标记完毕；
5. 转到2，直至整幅图像被扫描完毕，得到标记矩阵labelmap和连通区的个数labelIndex。

该算法最坏情况下，将对每一个像素点都进行一次八邻域搜索，算法复杂度为O(n)。

typedef struct QNode{
	int data;
	struct QNode *next;
}QNode;

typedef struct Queue{
	struct QNode* first;
	struct QNode* last;
}Queue;

void PushQueue(Queue *queue, int data){
	QNode *p = NULL;
	p = (QNode*)malloc(sizeof(QNode));
	p->data = data;
	if(queue->first == NULL){
		queue->first = p;
		queue->last = p;
		p->next = NULL;
	}
	else{
		p->next = NULL;
		queue->last->next = p;
		queue->last = p;
	}
}

int PopQueue(Queue *queue){
	QNode *p = NULL;
	int data;
	if(queue->first == NULL){
		return -1;
	}
	p = queue->first;
	data = p->data;
	if(queue->first->next == NULL){
		queue->first = NULL;
		queue->last = NULL;
	}
	else{
		queue->first = p->next;
	}
	free(p);
	return data;
}

static int NeighborDirection[8][2] = {{0,1},{1,1},{1,0},{1,-1},{0,-1},{-1,-1},{-1,0},{-1,1}};

void SearchNeighbor(unsigned char *bitmap, int width, int height, int *labelmap, 
                    int labelIndex, int pixelIndex, Queue *queue){
	int searchIndex, i, length;
	labelmap[pixelIndex] = labelIndex;
	length = width * height;
	for(i = 0;i < 8;i++){
		searchIndex = pixelIndex + NeighborDirection[i][0] * width + NeighborDirection[i][1];
		if(searchIndex > 0 && searchIndex < length && 
			bitmap[searchIndex] == 255 && labelmap[searchIndex] == 0){
			labelmap[searchIndex] = labelIndex;
			PushQueue(queue, searchIndex);
		}
	}
}

int ConnectedComponentLabeling(unsigned char *bitmap, int width, int height, int *labelmap){
	int cx, cy, index, popIndex, labelIndex = 0;
	Queue *queue = NULL;
	queue = (Queue*)malloc(sizeof(Queue));
	queue->first = NULL;
    	queue->last = NULL;
	memset(labelmap, 0, width * height);
	for(cy = 1; cy < height - 1; cy++){
		for(cx = 1; cx < width - 1; cx++){
			index = cy * width + cx;
			if(bitmap[index] == 255 && labelmap[index] == 0){
				labelIndex++;
				SearchNeighbor(bitmap, width, height, labelmap, labelIndex, index, queue);

				popIndex = PopQueue(queue);
				while(popIndex > -1){
				SearchNeighbor(bitmap, width, height, labelmap, labelIndex, popIndex, queue);
					popIndex = PopQueue(queue);
				}
			}
		}
	}
	free(queue);
	return labelIndex;
}

关于Image Engineering& Computer Vision很多其它讨论与交流，敬请关注本博客和新浪微博songzi_tea.