第7章医学图象分割.ppt

第七章 医学图像分割 主要内容： 7.1 医学图像分割概念 7.2 阈值分割技术 7.3 微分算子边缘检测 7.4 区域增长技术 7.5 聚类分割技术 7.6 形态运算 第一节 医学图像分割概念 图像分割是指根据灰度、彩色、纹理、局部统计特征、频谱特征等把图像中具有特殊涵义的不同区域区分开来，这些区域是互不交叉的，每一个区域都满足特定区域的一致性，而在不同区域间表现出明显的不同。 简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。 图像分割是对图像进行视觉分析和模式识别的基本前提，同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。 从图像分割的处理对象这一角度来看，分为：面向整体区域的整体分割和面向边缘的部分分割。 整体分割：将一幅图像g（x，y）进行分割就是将图像g（x，y）按照一定准则划分为不同的、不相关联的、非空的子区域g1，g2，g3，g4。 划分准则： 1、 即所有子区域组成了整幅图像。 2、 是连通的区域。 3、 即任意两个子区域不存在公共元素。 4、 满足一定的均匀性条件。 第二节 阈值分割技术 if 水平方向有边缘通过。 如不考虑方向，则 对3×3模板 k=l=-1, 0, 1 m=n=1，Prewitt模板。 垂直方向模板g1： -1 0 1 -1 0 1 -1 0 1 if 则 在 (x,y) 处垂直方向 有边缘通过。同理， 1 1 1 0 0 0 -1 -1 -1 if 则有边缘通过。 水平方向模板g2： 7.3.2 Roberts交叉算子 普通灰度梯度算子检测图像象素灰度在水平方向或垂直方向上的变化。因此，这种算子对水平方向或垂直方向上的边缘较为敏感。与普通灰度梯度算子不同，Roberts交叉算子检测的是沿与图像坐标轴45度角或135度角方向上的灰度梯度： if ，则有边缘通过。 if ，水平方向有边缘通过。 如不考虑方向，则 if 则 在 (x,y) 处垂直方向有边缘通过。 对3×3模板 k=l=-1, 0, 1 m=n=1，Sobel模板。 垂直方向模板g1： -1 0 1 -2 0 2 -1 0 1 1 2 1 0 0 0 -1 -2 -1 水平方向模板g2： 7.3.3 Sobel 模板 同理， 上图是用Sobel模板做边缘检测的实例。图(a)是血管造影原始图像；图(b) 是用Sobel模板做卷积运算的结果；图(c)及(d)是用不同阈值tH做边缘检测的结果。可见阈值的选取对分割结果有较大影响。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。 与域值比较， 则（x，y）为边缘点。 7.3.4 Kirsch 算子 对像素 (x, y) 考察其8个相邻点。用3相邻点的加权和减去剩下5个相邻点的加权和，并令3邻点环绕（x, y）移位，多次计算,取其中差值最大者。计算 式中 之下标K取 K = K mod 8 7.3.5 Laplace算子 图像象素灰度的二阶导数也可以用作边缘检测。Laplace算子是无方向性算子，提取的结果与图像本身边缘的方向无关。 用二阶差分表示： 对于阶跃状边缘须检测二阶导数的零交叉点。 对于屋顶状边缘则计算二阶导数的最大负值处。 Laplace算子也可表示为模板形式，与图像做卷积计算，提取图像中的边缘。 下面是几种不同近似程度的Laplace卷积模板： 0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 1 -2 1 -2 4 -2 1 -2 1 Laplace算子是二阶导数算子，因此对图像中的噪声非常敏感。另外它常产生双象素宽的边缘，而且不能提供图像边缘的方向信息，所以很少直接用作边缘检测。 7.3.6 Marr-Hidrethr算子 式中，σ是Gauss分布的标准差。令 则r为以象素为中心的极坐标半径。因此，用Gauss函数h（x，y）对图像f（i