医学图像分割(基于区域的分割)PPT.pptVIP

* * 4.1 图像分割概述 4.2 间断检测 4.3 边缘连接和边界检测 4.4 阈值分割法 4.5 基于区域的分割 4.6 数学形态学图像处理 第四章 医学图像分割 4.5 基于区域的分割 4.5.1 基本概念 4.5.2 区域生长 4.5.3 区域分裂与合并 4.5.1 基本概念 目标：将区域R划分为若干个子区域R1,R2,…,Rn，这些子区域满足5个条件： 1)完备性： 2)连通性：每个Ri都是一个连通区域 3)独立性：对于任意i≠j，Ri∩Rj= Ф 4.5.1 基本概念 4)单一性：即任何区域满足如下谓词（例如每个区域内的灰度级相等） P（Ri）= TRUE，i = 1,2,…,n 5)互斥性：任何两个相邻区域不能合并成单一区域（例如任两个区域的灰度级不等），必满足谓词： P（Ri∪Rj）= FALSE，i≠j 一致性谓词P 定义了在区域 R 上的所有点与区域模型的相似程度。 4.5.2 区域生长 衡量两个象素（i, j）（k, l）是否为同类可以通过比较它们的特征向量是否具有相似性来确定. 比较 或 若A (i, j, k, l)或 L (i, j, k, l)足够小即认为象素是相似的（即为同类）。 4.5.2 区域生长 1. 单一型链结的区域生长 2. 混合型链结的区域生长 3. 登山算法 4. 分水岭算法 4.5.2 区域生长 1.单一型链结的区域生长 算法实现： 1）根据图像的不同应用选择一个或一组种子，它或 者是最亮或最暗的点，或者是位于点簇中心的点。 2）选择一个相似性准则。(生长条件) （灰度级、 彩色、 纹理、 梯度等特性相似） 3）从该种子开始向外扩张，不断将与集合中各个像 素连通、且满足相似性准则的像素加入集合。 4）上一过程进行到不再有满足条件的新结点加入集 合为止。（终止准则） 4.5.2 区域生长 1. 单一型链结的区域生长 区域A 区域B 种子像素 种子像素 4.5.2 区域生长 1. 单一型链结的区域生长 上图给出一个简单的例子。此例的相似性准则是邻近点（4邻域）的灰度级与物体的平均灰度级的差小于2。图中被接受的点和起始点均用下划线标出， 其中（a）图是输入图像；（b）图是第一步接受的邻近点； （c）图是第二步接受的邻近点； （d）图是从6开始生成的结果。 举例：一幅图像背景部分的均值为25，方差为625，在背景上分布着一些互不重叠的均值为150，方差为400的小目标。设所有目标合起来约占图像总面积的20%，提出1个基于区域生长的分割算法将这些目标分割出来。 算法描述 ①从左至右，从上至下扫描图像。 ②若扫描到灰度值大于150的象素，取为种子点，进行区域生长。 生长准则为将相邻的灰度值与已有区域的平均灰度值的差小于60（3σ）的象素扩展进来。 ③若不能再生长，标记已生长区域。 ④若扫描到图像右下角，结束；否则回到①继续。 说明 4.5.2 区域生长 2. 混合型链结的区域生长 考虑象素的邻域，在此邻域上定义象素的特性矢量，特性矢量接近的两个象素相似。 （1） 邻域分享技术：研究某象素的邻域，作出相似邻域表。如果两个象素在对方的相似邻域表中，且表中有足够多的象素，则可将二者连接。 S值小则可以连接。 （2）依赖边缘确定两象素是否可以连接。 定义两个象素特征矢量可用（x，a）、（y，b）表示，x，y为两者的灰度，a，b为两者的邻域灰度均值，相似性为S，则 为非负的权值 思考题 4.5.2 区域生长 3. 登山算法 (1)灰度极大值点作为中心点； (2)16个等角度间隔方向上检测斜率值最大的点作为边缘点； (3)以16个边缘点作为种子点进行区域生长。 4.5.2 区域生长 区域生长算法的优点： 计算简单 特别适用于分割小的结构如肿瘤和伤疤 区域生长也很少单独使用，往往是与其他分割方法一起使用。 区域生长的缺点： 有时需要人工交互以获得种子点，这样使用者必须在每个需要抽取出的区域中植入一个种子点。 对噪声敏感，导致抽取出的区域有空洞或者将原本分开的区域连接起来。 4.5.2 区域生长 4. 分水岭算法 分水岭（watershed，也称分水线/水线） 把图像看成3-D地形的表示，即2-D的地基 （对应图像空间）加上第3维的高度（对应 图像灰度） 计算过程是串行的，得到的是目标的边界 建立不同目标间的分水岭 谷底孔 分水岭 三类点： （a）属于局部性最小值的点； （b）当一滴水放在某点的位置上时，水一定会下落到一个单一的最小值点； （c）当水处于某点位置上时，水会等概率流向不止一个这样的最小值点。 4.5.2 区域生长 4. 分水岭算法 图像最初在一个低灰度值上二