文档介绍：所谓图像分割是指将图像中具有特殊涵义的不同区域区分开来,这些区域是互相不交叉的,每一个区域都满足特定区域的一致性。
第三类
基于地图集或阈值的方法,基于数学形态学的方法;基于概率的方法;基于聚类的方法; 基于纹理的方法; 基于先验知识的方法;基于神经网络的方法等。
2.
3.
医学图像特点:模糊、不均匀、个体差异、复杂多样
灰度不均匀: 不均匀的组织器官、磁场等
伪影和噪声: 成像设备局限性、组织的蠕动
边缘模糊: 局部体效应
边缘不明确: 病变组织
医学图像分割方法的公共特点:
分割算法面向具体的分割任务,没有通用的方法
更加重视多种分割算法的有效结合
需要利用医学中的大量领域知识
交互式分割方法受到日益重视
医学图像分割是一项十分困难的任务,至今仍然没有获得圆满的解决。
基于区域的分割
图像分割-把图像分解为若干个有意义的子区域,而这种分解-基于物体有平滑均匀的表面,与图像中强度恒定或缓慢变化的区域相对应,即每个子区域都具有一定的均匀性质
区域分割-直接根据事先确定的相似性准则,直接取出若干特征相近或相同象素组成区域
常用的区域分割-区域增长(区域生长)、区域分裂-合并方法等
区域增长(区域生长)
区域分裂-合并
区域增长
原理和步骤
基本思想-将具有相似性质的象素集合起来构成区域。
具体步骤-先对每个需要分割的区域找一个种子象素作为生长起点,然后将种子象素周围邻域中与种子象素有相同或相似性质的象素(根据某种事先确定的生长或相似准则来判定)合并到种子象素所在的区域中。将这些新象素当做新的种子象素继续进行上面的过程,直到再没有满足条件的象素可被包括进来,这样一个区域就长成了
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
R1
R5
R4
R3
R2
如图给出已知种子点区域生长的一个示例。
1
0
4
7
5
1
0
4
7
7
0
1
5
5
5
2
0
5
6
5
2
2
5
6
4
1
1
5
5
5
1
1
5
5
5
1
1
5
5
5
1
1
5
5
5
1
1
5
5
5
1
1
5
7
5
1
1
5
7
7
1
1
5
5
5
2
1
5
5
5
2
2
5
5
5
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
(a)
(b)
(c)
(d)
(a)给出需要分割的图像,设已知两个种子象素(标为深浅不同的灰色方块),现在进行区域生长
采用的判断准则是:如果所考虑的象素与种子象素灰度值差的绝对值小于某个门限T,则将该象素包括进种子象素所在的区域
图(b)给出T=3时区域生长的结果,整幅图被较好的分成2个区域
图(c)给出T=1时区域生长的结果,有些象素无法判定
图(d)给出T=6时区域生长的结果,整幅图都被分成1个区域。