【PCL】Segmentation 模块—— 区域生长分割（Region Growing Segmentation）

1、简介

区域生长分割（Region Growing Segmentation）

定义：
区域生长分割是一种基于相似性准则的图像分割方法，通过从种子点开始，逐步合并邻近像素或点，形成具有相似属性的区域。

步骤：

1. 选择种子点：手动或自动选择初始种子点。
2. 定义相似性准则：如颜色、强度、法线等。
3. 区域生长：从种子点出发，合并符合相似性准则的邻近像素或点。
4. 终止条件：当没有更多符合准则的像素或点时，停止生长。

主要应用场景：

1. 医学图像分割：用于分割器官、肿瘤等。
2. 遥感图像分析：用于土地分类、植被检测等。
3. 三维点云处理：用于物体识别、场景理解等。
4. 计算机视觉：用于目标检测、图像分割等。

总结：
区域生长分割是一种有效的图像和点云分割方法，广泛应用于医学、遥感和计算机视觉等领域。PCL提供了便捷的实现工具。

2、代码实现

2.1 region_growing_segmentation.cpp

#include <iostream>
#include <vector>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/search/search.h>
#include <pcl/search/kdtree.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/filters/filter_indices.h> // for pcl::removeNaNFromPointCloud
#include <pcl/segmentation/region_growing.h>

int main ()
{
   
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  if ( pcl::io::loadPCDFile <pcl::PointXYZ> ("yourpcd.pcd", *cloud) == -1)
  {
   
    std::cout << "Cloud reading failed." << std::endl;
    return (-1);
  }

  pcl::search::Search<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
  pcl::PointCloud <pcl::Normal>::Ptr normals (new pcl::PointCloud <pcl::Normal>);
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimator;
  normal_estimator.setSearchMethod (tree);
  normal_estimator.setInputCloud (cloud);
  normal_estimator.setKSearch