首页 文章

从图像中分割相似强度的对象

提问于
浏览 次
2

我正在研究Python和C中医学图像（特别是CT扫描）的分割 . 我已经成功地使用阈值处理，区域生长和形态学运算符从切片中成功地消除了骨骼，空气和脂肪 . 剩下的主要问题是从肌肉分割重要器官，因为它们具有非常相似的强度并且经常彼此邻接 .

例如，在下图中，可以看到一块肠与腹壁肌肉相邻：

enter image description here

所需的分割结果如下：

enter image description here

另一个可接受的细分如下：

enter image description here

我的问题是：我应该使用什么样的分割算法来实现所需的分割结果？到目前为止，我尝试过：

  • 阈值处理：不起作用，因为这两个区域的强度太相似了 .

  • 区域增长：不起作用，因为要分割的区域是"connected" .

  • Canny过滤器：无法在sigma的较大值处找到边缘，在较低的sigma值处断开连接的边缘 .

  • 分水岭变换：导致严重过度分割的图像 . 合并区域没有明确的标准 .

  • 活动轮廓：无法在两个对象之间找到合适的边界 .

任何指针都表示赞赏 .

Thresholding filter

enter image description here

Canny filter

enter image description here

Watershed transform

enter image description here

python c++ image-processing image-segmentation

1 回答

  • 1

    我认为提取这些对象之间的边缘可以解决问题 . 由于可以看到图像上的边缘并且因此对于人类来说是不可用的，因此在尝试任何其他算法之前，我会尝试应用 high-pass filter/gradient detection 以锐化边缘作为预处理步骤 . 之后可能会有一些 dilation/erosion 关闭对象的边缘或删除不必要的垃圾和 flood fill 作为下一步将完成工作 .

    另一个选项是 Hough transform - 它可能能够提取该边缘，因为它能够提取细微的特征（例如Mathworks：http://www.mathworks.com/help/images/detect-lines-in-images.html） .

    您还可以尝试将图像划分为 subsets （正方形）并基于其包含的像素的灰度级（例如，平均灰度级）计算每个子集的系数 . 由于其中一个对象整体上比另一个略轻，因此可能有效 - 这两个对象在本地相似，但全局不同 . 您必须使用子集大小以及阈值（即系数值） .

    编辑：我've just seen the images you'已上传 . 是不是有些 dilation ，之后 erosion 对 Canny with sigma = 1 的结果执行了解决问题？它会关闭边缘，从而分离物体 - 它不会100％准确，但会将这两个区域分开，或多或少地保持形状 .

    回复于

相关问题