


版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
.醫(yī)學圖像分割方法匯總本文主要介紹在醫(yī)學圖像分割方面的幾種典型算法,詳細介紹每種算法的工作原理,通過對具體的醫(yī)學圖像實驗來對比每種方法在分割方面的優(yōu)點和缺點,分析結果產生的原因,從而在后面的實際應用中選擇最合適的算法。閾值法分割簡單閾值分割(對于八位灰度圖像,最大值一般為255),像素小于這個閾值的設置為0.下圖1.2是利用五個不同的閾值對腦部圖像(1.1)的分割結果。(0.1,0.3,0.5,0.7,0.9)。圖1.1原始腦部圖像..圖1.2使用不同閾值分割后的結果從實驗結果來看,使用簡單的閾值分割,過程十分簡便,原理簡單易懂,但是要是得到比較好的分割結果需要進行多次試驗。otsu閾值分割法Otsu遍歷(80T(閾值),把原始圖像分割成前景圖像和背景圖像并且兩者之間的類方差最大。原理:對于圖像I(x,y),(即目標)和背景的分割閾值記作T點數占整幅圖像的比例記為其平均灰度類間方差記為g。假設圖像的背景較暗,并且圖像的大小為M×N,圖像中像素的灰度值小于閾值T的像素個數記作N0,像素灰度大于閾值T的像素個數記作N1,則有:ω0=N0/M×N (1)..ω1=N1/M×NN0+N1=M×Nω0+ω1=1
(3)
(2)(4)μ=ω0*μ0+ω1*μ1 (5)g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)將式(5)代入式(6),得到等價公式:g=ω0ω1(μ0-μ1)^2 (7)這就是類間方差找出使得g(類方差)的值到達最大的T(1.3otsu1.1圖1.3使用ostu閾值分割得到的結果..區(qū)域生長方法分割區(qū)域生長方法是從被分割對象的種子區(qū)域(通常是一個或者多個像素點)開(通常是灰度值域不再擴大。區(qū)域生長是指從某個像素出發(fā),按照一定的準則,逐步加入鄰近像素,當滿足一定的條件時,區(qū)域生長終止。區(qū)域生長的好壞決定于1.初始點(種子點)的選取。2.生長準則。3.終止條件。區(qū)域生長是從某個或者某些像素點出發(fā),最后得到整個區(qū)域,進而實現目標的提取。1、選取圖像中的一點(或者一組點)為種子點(種子點的選取需要具體情況具體分析)。2、在種子點處進84對值小于某個門限T,則將該像素包括進種子像素所在的區(qū)域。3、當不再有像素滿足加入這個區(qū)域的準則時,區(qū)域生長停止。經典區(qū)域生長算法im2bw4上述過程知道種子點數目不再變化為止。實驗仍然使用圖1.1的腦部圖像為樣本。選取兩組種子點和兩個不同的生長條件。實驗結果如下:..表2-1使用經典區(qū)域生長算法使用的參數種子點生長準則
4鄰域的像素點和種子點4鄰域的像素點和種子點絕對值小于10 絕對值小于15使用otsu得到的種子點 圖2-1從左到右從上到下圖2-1從左到右從上到下第一幅圖 第二幅圖設置像素值大于200為種圖2-1從左到右從上到下圖2-1從左到右從上到子點 第三幅圖 第四幅圖設置像素大于220的為種圖2-1從左到右從上到下圖2-1從左到右從上到子點 第五幅圖 第六幅圖圖2-1經典區(qū)域生長算法的實驗結果從實驗結果上來看,對經典的區(qū)域生長算法的分割結果影響較大的因素有種..所以空間和實踐的開銷很大!連接門限閾值處理2-2:表2-2連接門限閾值分割才去的參數種子位置下門限上門限輸出圖像(107,69)1802102-2(60,116)1501802-2(81,112)2102502-3..原始腦部頭像 (2)(3) (4)圖2-2使用連接門限閾值處理得到的分割結果是不完整的。置信連接法分割圖像:選定種子點感興趣的區(qū)域。感興趣的區(qū)域不再擴大,結束以一次迭代。..2.直到感興趣的區(qū)域不再擴大為止??梢杂靡粋€公式來闡述感興趣的區(qū)域:I(X)∈[m-f*σ,m+f*σ]m,σ是像素的標準差,ff2.5(2-3:原始腦部頭像 (2)使用(107,69)種子點的分割結果..(3)使用(60,116)種子點的分割結果(4)使用(81,112)種子點的分割結果圖2-3使用置信連接法分割圖像的結果f..分水嶺算法分水嶺分割方法,是一種基于拓撲理論的數學形態(tài)學的分割方法,其基本思值表面,刺穿一個小孔,然后把整個模型慢慢浸入水中,隨著浸入的加深,每一水嶺。會出現過度分割的現象。需要注意的是:實驗中,并不是直接對原始的灰度圖像應用分水嶺算法,而是使用梯度圖作為輸入圖像。使用分水嶺算法進行圖像分割的典型流程如下::計算原始圖像的梯度。:計算前景標記(這些是每個對象部連接的像素):計算背景標記(這些不屬于任何對象的像素):對原始的梯度圖想進行修改,將前景標記和背景標記設置成局部極小值:對修改后的梯度圖像使用分水嶺分割實驗結果如下圖3-1所示:..(1)原始腦部頭像 (2)使用標記分水嶺算法分割后的圖圖3-1使用標記分水嶺算法對腦部頭像進行分割的結果watershedimextendedmin3-2(1)互相粘連的細胞圖 (2)分水嶺算法過度分割..(3)去除掉部分極小區(qū)域后,使用分水嶺算法的結果3-2..聚類分割算法以上的幾種算法都是需要首先對圖像進行觀測,缺乏嚴格的數學衡量。因此,(來衡量,當兩個樣本的距離較小時認為兩者劃分為同一類,反之則為不同的類。k-means聚類分割算法K-means算法是最為經典的基于劃分的聚類算法,它的原理也較為簡單。算法的描述如下:kik本歸到距離最短的中心所在的類;利用均值等方法更新該類的中心值;k(2)(3)的迭代法更新后,值保持不變,則迭代結束,否則繼續(xù)迭代。算法示意圖如圖4-1所示:..圖4-1k-means聚類過程(兩個“x”代表中心點的變化情況)k-meansk-means定義和關于初始中心的選擇。對于灰度圖像而言,強調像素之間的歐氏距離和幾何距離毫無意義,所以對k-meansk-meansI(M*N)轉化為一個(M*N,1)的列數組X。然后把像素之間的“距離”定義為它們的像素的亮度(每隔一定的像素選擇一個作為中心k-meansk4-1,分割結果如下圖4-2:..表4-1k-means聚類
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 第五單元寫作《論證要合理》教學設計-2024-2025學年統(tǒng)編版語文九年級上冊
- 2025年商用半導體項目合作計劃書
- 機械原理 CH11學習資料
- 第16課 越算越精彩 教學設計 2024-2025學年粵教版(2019)初中信息技術八年級上冊
- 老舊小區(qū)基礎配套設施改造風險評估與控制
- 第三單元整體教學設計《生命的詩意》教學設計 2024-2025學年統(tǒng)編版高中語文必修上冊
- Unit 1 Animal friends Section B project 教學設計 2024-2025學年人教版(2024)七年級英語下冊
- 二零二五幼兒園教師侵權賠償協(xié)議書模板
- 二零二五年度電商平臺商家銷售返利合同
- 二零二五年度醫(yī)院臨床路徑管理合作協(xié)議書
- 盆景造型經驗
- 2023年廣東省佛山市順德區(qū)小升初數學試卷(含答案)
- ICU護理查房記錄【范本模板】
- 威風堂堂進行曲
- 銅及銅合金物理冶金基礎-黃銅
- 煤礦信息化管理制度
- 金融科技學-完整全套課件
- 物理學史中國古代物理學
- 導管滑脫應急預案演練住院患者導尿管道滑脫
- (完整)小學語文考試專用作文方格紙
- 軟考中級網絡工程師學習筆記(考點歸納總結全)
評論
0/150
提交評論