把图像进行分割为多个区域。
方案1，寻找灰度级不连续区域间的边界
方案2，基于像素性质分布的阈值处理
方案3，直接寻找区域的分割技术
区域生长就是方案三，它是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从一组生长点开始（生长点可以是单个像素，也可以是某个小区域），将与该生长点性质相似的相邻像素或者区域与生长点合并。然后将这些新像素当作新的生长点，继续上面的操作，一直重复此过程，直到没有满足条件的像素可被包括进来，此时就表示生长点已经不能生长，这样一个区域就生长成了。生长点和相似区域的相似性判断依据可以是灰度值、纹理、颜色等图像信息。所以区域生长算法关键有三个：
1、选择合适的生长点
2、确定相似性准则即生长准则
3、确定生长停止条件
下面给出一个区域生长的实例：
图(a)为原始图像，数字表示像素的灰度。以灰度值为8的像素为初始的生长点，记为f(i,j)。在8邻域内，生长准则是待测点灰度值与生长点灰度值相差为1或0。
那么图(b)是第一次区域生长后，f(i-1,j)、f(i,j-1)、f(i,j+1)和生长点灰度值相差都是1，因而被合并。
图(c)是第二次生长后，f(i+1,j)被合并。图(d)为第三次生长后，f(i+1,j-1)、f(i+2,j)被合并，至此，已经不存在满足生长准则的像素点，生长停止
区域生长实现的步骤如下:
1. 对图像顺序扫描，找到第1个还没有归属的像素, 设该像素为(x0, y0);
2. 以(x0, y0)为中心, 考虑(x0, y0)的4邻域像素(x, y)如果(x0, y0)满足生长准则, 将(x, y)与(x0, y0)合并(在同一区域内), 同时将(x, y)压入堆栈;
3. 从堆栈中取出一个像素, 把它当作(x0, y0)返回到步骤2;
4. 当堆栈为空时，返回到步骤1;
5. 重复步骤1 - 4直到图像中的每个点都有归属时。生长结束。
