itk中的数据孔洞填充

可能是因为几乎每个图像算法库中都会有孔洞填充算法吧，一直觉得是一个很简单的事儿，从来都没注意过它的存在，今天花点时间理一下吧。

itk提供了两个的补洞类：

itkGrayscaleFillholeImageFilter（针对灰度图像）, itkBinaryFillholeImageFilter（针对二值图像）

具体用法不要太简单：

typedef itk::GrayscaleFillholeImageFilter<ImageType,ImageType> FillHoleType;
//typedef itk::BinaryFillholeImageFilter<ImageType,ImageType> FillHoleType;
FillHoleType::Pointer fillHoleFilter = FillHoleType::New();
fillHoleFilter->SetInput(input_data);
fillHoleFilter->Update();

思路：
0. 什么是孔洞？
一般是在二值图像中，一种特征被另一种特征完全包围。
1.怎么找孔洞？
遍历图像，将符合特征的点都找出来，做标记或者直接修正；
2.怎么遍历？
XYZ逐渐扫描。
3.怎么找特征？
一般都是Flood fill，网上一搜一大片。
4.怎么标记？
容器啊。
5.怎么修正？
修改特征值，比如修改灰度值。

以上012345中，除了3，别的方法基本都是确定的。所以孔洞填充算法的差异就在于3的计算能力。网上基本都是针对二维图像的，可这里的医学图像都是三维的，运算速度明显下降一倍啊，先将就吧。
Flood fill A: 6邻域/26邻域
Flood fill B: XYZ三个方向依次扫描

这里的孔洞填充必须遍历整个图像，是因为预先无法定位孔洞的位置，如果预先提供一个seed告知位置，那么孔洞填充算法瞬间变成了图像分割算法中的区域生长；
如果将每次扫描新到的孔洞放在不同的容器里，容器的数据就是孔洞的数量，那么孔洞填充算法瞬间变成了图像特征识别中的自动数羊；
如果把每个容器的点数都统计出来，通过spacing做变换，那么孔洞填充算法瞬间变成了自动体积（面积）测量；
如果计算每个容器的重心出来，那么孔洞填充算法瞬间变成了自动定位系统；
如果把容器中的特征都保存下来做参数分析，对下一次的算法做校正，那么孔洞填充算法很快就变成了人工智能。。。我怀疑，还有什么是它不能变的？
都说孔洞填充算法是万能的，谁说不是呢？
都说长大后要仗剑走天涯，可后来，剑呢？

参考文献：
https://en.wikipedia.org/wiki/Flood_fill
http://lodev.org/cgtutor/floodfill.html#8-Way_Method_With_Stack
http://www.cnblogs.com/Imageshop/p/3308183.html
http://dsqiu.iteye.com/blog/1689130