医学图像处理第19讲 图像分割(续).ppt

* * * * * * * 计算机图形学 * * * * * * * 区域生长举例：已知种子点：像素值为‘6’ 的种子；相似性准则：相邻像素与种子像素灰度差的绝对值小于阈值T＝2； 区域生长方法需要解决的主要问题： 选择或确定一组能正确代表所需区域的种子像素 有先验知识（如：军用红外图像中检测目标时，选最亮的像素作为种子） 无先验知识（可根据直方图选取灰度中像素个数多的像素作为种子） 确定在生长过程中能将相邻像素合并的准则 具体问题相关（目标和背景的像素分布特点） 像素间的连通性和邻近性 制定让生长过程停止的条件或规则 一般是没有满足生长的像素 应考虑图像的局部性质（灰度） 目标的全局性质（尺寸、形状等） 区域生长的关键是选择合适的生长或相似性准则，最常用的相似性准则是基于区域灰度差； 基本方法：种子像素的灰度值与邻域像素的差； 改进方法（平均灰度均匀测度）：先合并具有相同灰度的像素，然后求出所有邻接区域间的平均灰度，若相邻像素的灰度值与平均灰度之差小于阈值，则将该像素合并，重复上述步骤直到没有区域合并。 举例：设有一数字图像如图所示，分别选取种子点为1和7，平均灰度均匀测度度量中阈值T分别为3（邻近点的灰度级与先前区域的平均灰度级相差小于3），试进行区域增长。 主要内容： 1　图像分割概述； 2 基于边界的图像分割方法； 3　基于区域的图像分割方法； 4　MATLAB图像分割； * 微分算子边缘检测： 微分算子边缘检测函数edge()： 语法：BW = edge(I,sobel) 　　　BW = edge(I,sobel,thresh) 　　　BW = edge(I,sobel,thresh,direction) 　　　[BW,thresh] = edge(I,sobel,...) 举例： f=imread(ice.png); subplot(2,2,1); imshow(f); title(原始图像); [g,t]=edge(f,roberts,[],both); subplot(2,2,2); imshow(g); title(Roberts算子分割结果); [g,t]=edge(f,sobel,[],both); subplot(2,2,3); imshow(g); title(Sobel算子分割结果); [g,t]=edge(f,prewitt,[],both); subplot(2,2,4); imshow(g); title(Prewitt算子分割结果); 手动阈值分割： clc; [I, map]=imread(eight.tif); imshow(I);figure;J=imhist(I);imhist(I);[M, N]=size(I); for i=1:1:M for j=1:1:N if I(i,j)200 g(i,j)=0; else g(i,j)=1; end 　end end figure; imshow(g); 迭代阈值分割： f=imread(rice.png); subplot(1,2,1); imshow(f); title(原始图像); f=double(f); T=(min(f(:))+max(f(:)))/2; done=false; i=0; while ~done r1=find(f=T); r2=find(fT); Tnew=(mean(f(r1))+mean(f(r2)))/2; done=abs(Tnew-T)1; T=Tnew;