第4章医学图像分割4445.ppt

第四章 医学图像分割-2 4.4 区域增长技术 Region Growing 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。 计算该邻域的灰度平均值?和标准差σ。 第3步：符合上述公式的象素值可判为增长点，否则判为不可增长点。 第4步：如果该邻域中再没有新的增长点产生，或满足某种停止条件，增长过程结束。 第5步：令n=n+1,将种子点邻域扩大，转向第2步。 其中： 区域增长 (二值图像) 举例 1. 选择一个中心像素p。 2.第1次迭代： P的3x3邻域满足相似性准则，标记可增长。 3.第2次迭代： P的5x5邻域中，新列入的像素的9/16满足相似性准则，标记可增长。 4.第3次迭代： P的7x7邻域中，新列入的像素的6/24满足相似性准则。 5.因为已经满足停止条件：每次新增长像素数如果少于待判定像素的30%，则停止。 登山法（Hill Climbing）是一种变形的区域增长技术。它基于这样的事实，对于图像f（x，y），待分割的区域的边缘是围绕在一个局部灰度极大值的已知象素（x0，y0）周围的闭合轮廓线。 对一个象素，斜率值s（x，y）定义为 式中，d（x0，y0，x，y）是象素（x，y）与局部最大值象素间的欧式距离。 首先，从局部最大值象素沿径向从里到外有哪些信誉好的足球投注网站目标的边缘点。有哪些信誉好的足球投注网站是在16个等角度间隔的方向上进行的。遇到最大斜率值处的点被认为是到了边缘。 然后，以这些边缘点为种子点在一定的约束条件下进行区域增长。 空间约束是朝向局部最大值象素，从外向里增长； 灰度约束是象素灰度值在朝向局部最大值象素方向单调增加。 算法的优点是它不需要选择阈值，对低反差（对比度）的图像边界合适。而且，由于是从边缘向中心增长，因此避免了区域的过度增长。 4.4.2 登山算法 登山算法区域增长例。(a) 0.5x0.5mm大小的微钙化点图像； (b) 由算法确定的16个边缘点； (c)区域增长结果； (d) 由分割得到的微钙化点区域边缘。 水坝构造：在两个区域相交时构建水坝 图(a)的两个区域在水位上涨后变为连通（图(b)）。在连接区域保留单线条水坝，图(c)中有‘x’的标记。 分水岭分割算法 令M1,M2,…,Mr表示图像g(x,y)的r个储水池, C(Mi)为储水池Mi内的像素集合。 T[n]={(s,t)|g(s,t)n} 表示水面涨至g(s,t)=n时，下面的像素集合。 min 和 max 分别是灰度 g(x,y)的最小值和最大值， 水位以整数量从n=min+1向 n=max+1不断上涨。图像中部分低矮地形会逐渐淹没。 如果从上向下俯视，将水面上下两部分看作二值图，便于下面理解。 Cn(Mi)为水面涨至n时，储水池Mi内的像素集合。 令C[n]表示水面涨至n时，所有储水池被淹没的合集： C[max+1]为所有储水池合集： 开始设定：C[max+1]=T[max+1], 进入递归调用 假设在第n步时，已经构造了C[n-1]。从C[n-1]求解C[n]的过程是： 令Q代表T[n]中连通分量的集合，则对于每个连通分量q?Q[n]，有下列3种可能： (1) q∩C[n-1]为空，------将q并入C[n-1]构成C[n]，加入一个新储水池。 (2) q∩C[n-1]包含C[n-1]的一个连通分量，------将q合并入C[n-1]构成C[n]，扩大已有的储水池。 (3) q∩C[n-1]包含C[n-1]的一个以上连通分量，--------须构筑堤坝 分水岭算法实例: (a) 带有斑点的图像 (b