医学图像分割基于区域的分割

,#,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,#,医学图像分割基于区域的分割,医学图像分割基于区域的分割,第1页,2,4.1,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,基于区域分割,4.6,数学形态学图像处理,第四章 医学图像分割,医学图像分割基于区域的分割,第2页,3,4.5,基于区域分割,4.5.1,基础概念,4.5.2,区域生长,4.5.3,区域分裂与合并,医学图像分割基于区域的分割,第3页,4,4.5.1,基础概念,目标：将区域,R,划分为若干个子区域,R,1,R,2,R,n,，这些子区域满足,5,个条件：,1),完备性：,2),连通性：每个,R,i,都是一个连通区域,3),独立性：对于任意,i,j,，,R,i,R,j,=,医学图像分割基于区域的分割,第4页,5,4.5.1,基础概念,4),单一性：即任何区域满足以下谓词（比如每个区域内灰度级相等）,P,（,R,i,）,=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（比如任两个区域灰度级不等），必满足谓词：,P,（,R,i,R,j,）,=FALSE,，,ij,一致性谓词,P,定义了在区域,R,上全部点与区域模型相同程度。,医学图像分割基于区域的分割,第5页,6,4.5.2,区域生长,区域生长技术利用原理：同类象素含有相同性。,对每一象素定义对应特征向量,其中，,都是与（,i,j,）相关性质，如灰度值、梯度幅值、是否为边缘点等,医学图像分割基于区域的分割,第6页,7,4.5.2,区域生长,衡量两个象素（,i,j,）（,k,l,）是否为同类能够经过比较它们特征向量是否含有相同性来确定,.,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同（即为同类）。,医学图像分割基于区域的分割,第7页,8,4.5.2,区域生长,1.,单一型链结区域生长,2.,混合型链结区域生长,3.,登山算法,4.,分水岭算法,医学图像分割基于区域的分割,第8页,9,4.5.2,区域生长,1.,单一型链结区域生长,算法实现：,1,）依据图像不一样应用,选择一个或一组,种子,，它或,者是最亮或最暗点，或者是位于点簇中心点。,2,）选择一个相同性准则。,(,生长条件,),（,灰度级、彩色、纹理、梯度等特征相同,）,3,）从该种子开始向外扩张，不停将与集合中各个像,素连通、且满足相同性准则像素加入集合。,4,）上一过程进行到不再有满足条件新结点加入集,合为止。（,终止准则,）,医学图像分割基于区域的分割,第9页,10,4.5.2,区域生长,1.,单一型链结区域生长,区域,A,区域,B,种子像素,种子像素,医学图像分割基于区域的分割,第10页,11,4.5.2,区域生长,1.,单一型链结区域生长,上图给出一个简单例子。此例,相同性准则,是邻近点（,4,邻域）灰度级与物体平均灰度级差小于,2,。图中被接收点和起始点均用下划线标出，其中（,a,）图是输入图像；（,b,）图是第一步接收邻近点；（,c,）图是第二步接收邻近点；（,d,）图是从,6,开始生成结果。,医学图像分割基于区域的分割,第11页,12,举例：一幅图像背景个别均值为,25,，方差为,625,，在背景上分布着一些互不重合均值为,150,，方差为,400,小目标。设全部目标合起来约占图像总面积,20%,，提出,1,个基于区域生长分割算法将这些目标分割出来。,医学图像分割基于区域的分割,第12页,13,算法描述,从左至右，从上至下扫描图像。,若扫描到灰度值大于,150,象素，取为种子点，进行区域生长。,生长准则为将相邻灰度值与已经有区域平均灰度值差小于,60,（,3,）象素扩展进来。,若不能再生长，标识已生长区域。,若扫描到图像右下角，结束；不然回到,继续。,说明,医学图像分割基于区域的分割,第13页,14,4.5.2,区域生长,2.,混合型链结区域生长,考虑象素邻域，在此邻域上定义象素特征矢量，特征矢量靠近两个象素相同。,（,1,）邻域分享技术：研究某象素邻域，作出,相同邻域表,。假如两个象素在对方相同邻域表中，且表中有足够多象素，则可将二者连接。,S,值小则能够连接。,（,2,）依赖边缘确定两象素是否能够连接。,定义两个象素特征矢量可用（,x,，,a,）、（,y,，,b,）表示，,x,，,y,为二者灰度，,a,，,b,为二者邻域灰度均值，相同性为,S,，则,为非负权值,思索题,医学图像分割基于区域的分割,第14页,15,4.5.2,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点作为边缘点；,(3),以,16,个边缘点作为种子点进行区域生长。,医学图像分割基于区域的分割,第15页,16,4.5.2,区域生长,区域生长算法优点：,计算简单,尤其适合用于分割小结构如肿瘤和伤疤,区域生长也极少单独使用，往往是与其它分割方法一起使用。,区域生长缺点：,有时需要人工交互以取得种子点，这么使用者必须在每个需要抽取出区域中植入一个种子点。,对噪声敏感，造成抽取出区域有空洞或者将原本分开区域连接起来。,医学图像分割基于区域的分割,第16页,17,4.5.2,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,地形表示，即,2-D,地基（对应图像空间）加上第,3,维高度（对应图像灰度）,计算过程是串行，得到是目标边界,医学图像分割基于区域的分割,第17页,18,建立不一样目标间分水岭,谷底孔,分水岭,三类点：,（,a,）属于局部性最小值点；,（,b,）当一滴水放在某点位置上时，水一定会下落到一个单一最小值点；,（,c,）当水处于某点位置上时，水会等概率流向不止一个这么最小值点。,医学图像分割基于区域的分割,第18页,19,4.5.2,区域生长,4.,分水岭算法,图像最初,在一个低灰度值上二值化,。该灰度值把图像分割成正确数目标物体，但它们边界偏向物体内部。随即阈值逐步增加，,每一次增加一个灰度级,。物体边界将伴随阈值增加而扩展。当边界相互接触时，这些物体并没有合并。所以，这些,首次接触点变成了相邻物体间最终边界,。这个过程在阈值到达背景灰度级之前终止一 也就是说，在被恰当分割物体边界正确地确定时终止。,医学图像分割基于区域的分割,第19页,20,待分割图像,f,(,x,y,),，其梯度图像为,g,(,x,y,),用,M,1,M,2,M,R,表示,g,(,x,y,),中各局部极小值象素位置，,C,(,M,i,),为与,M,i,对应区域中象素坐标集合。,用,n,表示当前灰度阈值，,T,n,代表记为,(,u,v,),象素集合，,g,(,u,v,),n,，,对,M,i,所在区域，其中满足条件坐标集合,C,n,(,M,i,),可看作一幅二值图像,分水岭计算步骤,医学图像分割基于区域的分割,第20页,21,医学图像分割基于区域的分割,第21页,22,用,C,n,代表在灰度阈值为,n,时图像中全部满足条件象素,C,max+1,将是全部区域并集,C,n,1,是,C,n,子集，,C,n,是,T,n,子集，所以,C,n,1,又是,T,n,子集,医学图像分割基于区域的分割,第22页,23,令,Q,代表,T,n,中连通组元集合，对每个连通组元,q,Q,n,，有,3,种可能性：,(1),q,C,n,1,是,1,个空集,(2),q,C,n,1,里包含,C,n,1,中一个连通组元,(3),q,C,n,1,里包含,C,n,1,中一个以上连通组元,分别处理：,(1),C,n,可由把连通组元,q,加到,C,n,1,中得到,(2),C,n,可由把连通组元,q,加到,C,n,1,中得到,(3),需要在,q,中建水坝,医学图像分割基于区域的分割,第23页,24,基于形态学分水岭分割水坝结构,（,a,）在第,n-1,个阶段淹没汇水盆地两个个别，（,b,）淹没第,n,个阶段，显示出两个盆地间水已经溢出，（,c,）用于膨胀结构元素（数学形态学方法），（,d,）扩展结果和水坝结构,医学图像分割基于区域的分割,第24页,25,原始图 阈值分割 分水岭 叠加轮廓,补充题,医学图像分割基于区域的分割,第25页,26,分水岭算法不是简单地将图像在最正确灰度级进行阈值处理，而是从一个偏低但依然能正确分割各个物体阈值开始。然后伴随阈值逐步上升到最正确值，使各个物体不会被合并。这个方法,能够处理那些因为物体靠得太近而不能用全局阈值处理问题。,只要也只有所采取最初阈值进行分割结果是正确，那么，最终分割也是正确。也就是说，图像中每个实际物体都有对应边界。,最初和最终阈值灰度级都必须很好地选取,。假如初始阈值太低，那么低对比度物体开始时会被丢失，然后伴随阈值增加就会和相邻物体合并。假如初始阈值太高，物体一开始便会被合井。最终阈值决定了最终边界与实际物体吻合程度。本章中讨论阈值选择方法在确定这两个值时很有用。,医学图像分割基于区域的分割,第26页,27,4.5.3,区域分裂与合并,算法实现：,1,）对图像中灰度级不一样区域，均分为四个子区域,2,）假如相邻子区域全部像素灰度级相同，则将其合并,3,）重复进行上两步操作，直至不再有新分裂与合并为止,医学图像分割基于区域的分割,第27页,28,4.5.3,区域分裂与合并,算法实现：,医学图像分割基于区域的分割,第28页,29,4.5.3,区域分裂与合并,算法实现（实际应用中还可作修改）：,P(R,i,),定义为：,1,）区域内多于,80%,像素满足不等式,|z,j,-m,i,|=2,i,，,其中：,z,j,是区域,R,i,中第,j,个点灰度级，,m,i,是该区域平均灰度级，,i,是区域灰度级标准方差。,2,）当,P(R,i,)=TRUE,时，将区域内全部像素灰度级置为,m,i,。,医学图像分割基于区域的分割,第29页,30,4.5.3,区域分裂与合并,在区域合并方法中，输入图像往往先被分为多个相同区,域，然后类似相邻区域依据某种判断准则迭代地进行合并。,在区域分裂技术中，整个图像先被看成一个区域，然后区域不停被分裂为四个矩形区域，直到每个区域内部都是相同。,在区域分裂合并方法中，先从整幅图像进行分裂，然后将相邻区域进行合并。,分裂合并方法不需要预先指定种子点，它研究重点是分裂和合并规则设计。不过，分裂可能会使分割区域边界被破坏。,医学图像分割基于区域的分割,第30页,31,正态分布时区间（,-1,+1,）面积占总面积,68.27%,；,正态分布时区间（,-1.96,+1.96,）面积占总面积,95%,；,正态分布时区间（,-2.58,+2.58,）面积占总面积,99%,。,医学图像分割基于区域的分割,第31页,32,思索题,医学图像分割基于区域的分割,第32页,33,医学图像分割基于区域的分割,第33页,34,医学图像分割基于区域的分割,第34页,35,作业,1,、对下列图用区域生长法进行分割，其中画线象素为种子点，令新生长进区域象素灰度为种子点灰度。分别用门限,T=2,3,7,进行,4,连通区域生长，写出三种不一样结果。,返回,医学图像分割基于区域的分割,第35页,36,补充题,对下列图显示一维灰度级交织个别逐步写出结构水坝实现步骤。在每一步说明交织个别，说明水位和水坝形成过程。,医学图像分割基于区域的分割,第36页,