第6部分医学图像分割演示文稿.pptx

第6部分 医学图像分割;概述;6.1 医学图像分割概念;图像分割的数学定义;基于阈值的分割－通过阈值对不同物体进行分割 基于边缘的分割－先确定边缘像素，并把它们连接在一起，以构成所需的边界 基于区域的分割－把各像素划归到各个物体或区域中 基于运动的分割－通过视频物体运动进行分割;6;图像分割应用;医学图像分割意义与技术; 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于目标还是背景区域，从而产生相应的二值图像 ; 全局阈值法假设图像基本上是由感兴趣物体与背景两部分组成。令位于点 (x,y) 的像素灰度为 f(x,y) ,选择灰度阈值为θ，则分得的二值图像:; 注意： 在全局阈值法中，阈值的适当选取是一个十分重要的问题。不同的阈值会导致不同的分割结果。 一般来说，希望阈值的微小变化不要引起分割出物体的面积或周长发生很大的改变。即分割结果对阈值的变化不敏感。 如果用T表示阈值，A(T) 和P(T)分别代表分割物体的面积与周长，如果所选择的阈值T*满足下式，称T*为最佳阈值。;; 实际上，在几乎所有的医学图像中，无论是物体还是背景的灰度值都有一个分布，而且有时在灰度直方图中呈双峰或多峰情况。采用加权变换后的直方图，可以得到比原直方图更明显的峰谷分界，从而改进图像的分割。;6.2.2 大津阈值分割;两类产生的概率如下： ;两类直方图的灰度平均值为;img= imread(rice.bmp); level = graythresh(img); BW = im2bw(img,level); figure, imshow(BW);6.3 微分算子边缘检测 ;图像;一阶导数在图像由暗变明的位置处有1个向上的阶跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在，幅度峰值一般对应边缘位置。;对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的一阶导数形状与(a)的二阶导数形状相同，而它的2个二阶导数过0点正好分别对应脉冲的上升沿和下降沿，通过检测脉冲剖面的2个二阶导数过0点就可确定脉冲的范围。; 梯度对应一阶导数，梯度算子是一阶导数算子，在边缘灰度值过渡比较尖锐且图像中噪声比较小时，梯度算子效果好。 对1个连续图像函数f(x,y)，它在位置(x,y)的梯度可表示为1个矢量： ; 梯度运算比较复杂一点，在数字图像梯度运算过程中，可以按图像内容试用一些近似运算，以获得既能满足要求又能使运算简单的方法。 对于数字图像，可用一阶差分代替一阶微分。;在左图中,;梯度算子实例; 医学图像中大部分梯度算子可以用卷积运算，也就是局部像素灰度加权和来实现。权系数以与图像中局部邻域对应的数值数组形式列出，也称作模板、窗口或卷积核。当对图像采用边缘检测模板卷积运算后，该值也反映此像点的边缘强度。 边缘强度：;对3×3Prewitt模板 m=n=1， k=l=-1, 0, 1;6.3.2 Roberts交叉算子 ;对3×3Sobel模板 m=n=1， k=l=-1, 0, 1;图(a) 血管造影原始图像；图(b) 用Sobel模板做卷积运算结果； 图(c)及(d)用不同阈值tH做边缘检测的结果。 图(c)中所用阈值较低，除血管外还残存许多背景部分， 图(d)中用的阈值较高，虽然背景部分消除了，但血管边界不连续，须做进一步处理。;6.3.4 Kirsch 算子 ;一阶微分边缘算子实例; 一阶微分是一种矢量，不但有其大小，还有方向，和标量相比较，它数据存储量大，在具有相等斜率的宽区域上，有可能将全部区域都当作边缘提取出来。;6.3.5 Laplace算子 ;下面是几种不同近似程度的Laplace卷积模板：; 拉普拉斯是一种二阶导数算子，所以对图像中的噪声相当敏感。在实际中，常常在进行平滑操作的同时进行二阶微分，如图所示是具有平滑效果的二阶微分算子操作。;6.3.6 Marr-Hidrethr算子;基本原理;6.3.6 Marr-Hidrethr算子; 对平滑后的图像再用Laplace算子。根据卷积的性质，得到这Marr算子的表达式：;Laplace算符是正三角（读法是 delta ），或者是“▽”这个算符右上角加上一个二次方的标记，即“▽^2”。“▽”这个算符叫做哈密顿算符，也叫劈尖算符，读法是 napla。 不同的情况下表示不同的意义：1. ▽φ；读作“grad