第4章医学图像分割(4.4-4.5).pptVIP

第四章医学图像分割-24.4区域增长技术RegionGrowing这种方法是从把一幅图像分成许多小区域开始的。这些初始的区域可能是小的邻域甚至是单个像素。在每个区域中,对经过适当定义的能反映一个物体内成员隶属程度的性质(度量)进行计算。用于区分不同物体内像素的性质(度量)包括平均灰度值,纹理或颜色信息。因此,第一步是赋给每个区域一组参数,这些参数的值能够反映区域属于哪个物体。接下来,对相邻区域的所有边界进行考查。相邻区域的平均度量之间的差异是计算边界强度的一个尺度。如果给定边界两侧的度量差异明显,那么这个边界很强,反之则弱。强边界允许继续存在,而弱边界被消除,相邻区域被合并。这是一个迭代过程,每一步重新计算被扩大区域的物体成员隶属关系并消除弱边界。当没有可以消除的弱边界时,区域合并过程结束。这时,图像分割也就完成。检查这个过程会使人感觉这是一个物体内部的区域不断增长直到其边界对应于物体的真正边界为止的过程。4.4.1基于局部区域性质一致性的区域增长区域增长(灰度图像)算法:将象素灰度值与邻域平均灰度值做比较，如果差值小于或等于二倍的标准差，将该象素包含在区域内，否则为边缘点。具体过程:第1步:选择一个象素点作为种子点，n=1。第2步:检查该种子点的(2n+1)x(2n+1)邻域。计算该