python 可设置分割距离的八领域分割代码

以下是Python中可设置分割距离的八领域分割代码：

import numpy as np
import cv2

def get_8_neighborhood(x, y, shape):
    """
    获取元素(x, y)的8领域坐标
    """
    neighbors = []
    for i in range(-1, 2):
        for j in range(-1, 2):
            if i == 0 and j == 0:
                continue
            if x + i < 0 or x + i >= shape[0] or y + j < 0 or y + j >= shape[1]:
                continue
            neighbors.append((x + i, y + j))
    return neighbors

def segment_img(img, threshold):
    """
    对图像进行八领域分割
    """
    # 定义标记矩阵
    labeled = np.zeros_like(img)
    label = 1
    # 遍历像素
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            # 如果当前像素已经被标记过，则跳过
            if labeled[i, j] != 0:
                continue
            # 获取当前像素的8领域
            neighbors = get_8_neighborhood(i, j, img.shape)
            # 遍历8领域像素
            for neighbor in neighbors:
                # 如果8领域像素的灰度值与当前像素的灰度值之差小于阈值，则将它们标记为同一类别
                if abs(int(img[i, j]) - int(img[neighbor[0], neighbor[1]])) < threshold:
                    labeled[i, j] = label
                    labeled[neighbor[0], neighbor[1]] = label
                    # 对当前类别的所有像素进行扩展，直到不能再扩展为止
                    while True:
                        # 获取当前类别的所有像素
                        labeled_pixels = np.argwhere(labeled == label)
                        # 遍历当前类别的所有像素
                        for labeled_pixel in labeled_pixels:
                            # 获取当前像素的8领域
                            labeled_neighbors = get_8_neighborhood(labeled_pixel[0], labeled_pixel[1], labeled.shape)
                            # 遍历8领域像素
                            for labeled_neighbor in labeled_neighbors:
                                # 如果8领域像素的灰度值与当前像素的灰度值之差小于阈值，并且8领域像素没有被标记，则将它们标记为同一类别
                                if abs(int(img[labeled_pixel[0], labeled_pixel[1]]) - int(img[labeled_neighbor[0], labeled_neighbor[1]])) < threshold and labeled[labeled_neighbor[0], labeled_neighbor[1]] == 0:
                                    labeled[labeled_neighbor[0], labeled_neighbor[1]] = label
                        # 如果当前类别的像素数量没有变化，则退出扩展循环
                        if len(np.argwhere(labeled == label)) == len(labeled_pixels):
                            break
                    # 当前类别扩展结束，将类别编号加1
                    label += 1
    return labeled

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

# 进行八领域分割，设置阈值为20
labeled = segment_img(img, 20)

# 可视化结果
cv2.imshow('original', img)
cv2.imshow('segmented', labeled*50)
cv2.waitKey(0)
cv2.destroyAllWindows()

在该代码中，get_8_neighborhood函数用于获取元素(x, y)的8领域坐标；segment_img函数用于对图像进行八领域分割，其中threshold参数用于设置分割的阈值；最后的可视化结果中，图像中的每个类别用不同的灰度值表示。