求简单Python区域生长图像分割工具，实现灰度图按像素相似度区域划分

你的需求属于典型的基于灰度相似度的连通域分割场景，不需要使用复杂度高、参数调整麻烦的 watershed 算法，以下两个现成方案可直接满足要求： #

方案1：OpenCV 实现（执行效率最高） #

直接调用内置的漫水填充接口，容差参数可直接自定义，自动保证每个像素仅归属一个区域：

import cv2
import numpy as np

# 读取单通道灰度图
gray_img = cv2.imread("input_gray.png", cv2.IMREAD_GRAYSCALE)
h, w = gray_img.shape
# 初始化分割标签矩阵，0代表未标记像素
seg_result = np.zeros((h, w), dtype=np.int32)
current_region_id = 1
# 自定义容差：区域内像素和种子点像素的差值最大不超过该值
similarity_tolerance = 8

for y in range(h):
    for x in range(w):
        if seg_result[y, x] == 0:
            # 漫水填充标记符合容差的连通区域
            cv2.floodFill(
                image=gray_img,
                mask=None,
                seedPoint=(x, y),
                newVal=current_region_id,
                loDiff=similarity_tolerance,
                upDiff=similarity_tolerance
            )
            current_region_id += 1

• 优化建议：可在每次填充后统计区域面积，过滤掉像素数过少的噪点区域

方案2：scikit-image 实现（无需额外安装OpenCV依赖） #

使用内置的flood接口实现相同逻辑，适合已经在使用skimage生态的场景：

import numpy as np
from skimage.io import imread
from skimage.segmentation import flood

# 读取灰度图，默认输出为0-1归一化值
gray_img = imread("input_gray.png", as_gray=True)
h, w = gray_img.shape
seg_result = np.zeros((h, w), dtype=np.int32)
current_region_id = 1
# 容差需要和0-1的灰度范围匹配，比如对应8bit的容差8，这里设置为8/255≈0.031
similarity_tolerance = 0.03

for y in range(h):
    for x in range(w):
        if seg_result[y, x] == 0:
            region_mask = flood(gray_img, (y, x), tolerance=similarity_tolerance)
            seg_result[region_mask] = current_region_id
            current_region_id += 1

补充说明 #

你之前使用无标记的watershed效果差是正常的：无markers输入时watershed会把梯度图所有局部极小值作为种子点，大概率产生严重过分割，该算法本身就不适合你当前的纯灰度相似度分割场景。

内容的提问来源于stack exchange，提问作者Xanshiz