Matlab医学图像分割区域生长.docx

Matlab医学图像分割区域生长.docx

《Matlab医学图像分割区域生长.docx》由会员分享，可在线阅读，更多相关《Matlab医学图像分割区域生长.docx（27页珍藏版）》请在冰豆网上搜索。

Matlab医学图像分割区域生长

实验十医学图像分割

（二）

实验目的：

1.了解图像分割的基本理论和方法；

2.掌握阈值分割的方法和阈值的选择；

3.掌握基于分水岭分割的原理和应用；

实验内容：

1.区域生长法利用图像像素间的相似性进行分割，调用regiongrow函数对图像weld.tif进行处理，注意参数中S（种子值），T（阈值）的选择对分割效果的影响。

S=255，T＝65和S＝255T＝150和S＝150，T＝65三组值进行处理，理解在区域生长法的原理。

同时对liver.bmp，自己选择合适的S和T，以较好得分割出肝脏。

代码1：

closeall;

f=imread（'weld.tif'）;

figure

（1）,imshow（f）,title（'原图'）;

[g1,NR]=regiongrow（f,255,65）;

[g2,NR]=regiongrow（f,255,150）;

[g3,NR]=regiongrow（f,150,65）;

figure

（2）,imshow（g1）,title（'S=255,T=65'）;

figure（3）,imshow（g2）,title（'S=255,T=150'）;

figure（4）,imshow（g3）,title（'S=150,T=65'）;

[y,x]=ginput（）;

x=floor（x）;

y=floor（y）;

G=zeros（size（g））;

G（g3==g3（x,y））=255;

结果：

代码2：

closeall;

f=imread（'liver1.bmp'）;

figure

（1）,imshow（f）,title（'原图'）;

g=regiongrow（f,255,135）;%肝脏分离

figure

（2）,imshow（g）,title（'S=255,T=135'）;

[y,x]=ginput（）;

x=floor（x）;

y=floor（y）;

G=zeros（size（g））;

G（g==g（x,y））=255;

figure（3）,imshow（G）;

结果：

2.编写m文件，实现单一型或质心型区域生长算法。

由用户通过ginput函数选择种子点，然后根据用户输入的阈值T进行区域生长。

输入为：

待分割的图片f和阈值T，输出为分割后的二值图片g。

代码1：

（单一型）

function[a]=regiongrow2（f,T）

imshow（f）;

se=[0,1,0;1,1,1;0,1,0];

[y,x]=ginput（）;

x=floor（x）;

y=floor（y）;

a=im2bw（zeros（size（f）））;

a（x,y）=1;

while1

b=imdilate（a,se）;

P=b-a;

find（P）;

index=find（P）;

n=size（index）;

fori=1:

n

t=abs（f（x,y）-f（index（i）））;

ift>=T

b（index（i））=0;

P（index（i））=0;

end

end

a=b;

ifsum（sum（P））==0

break;

end

end

应用：

f=imread（'weld.tif'）;

figure

（1）,imshow（f）

g=regiongrow3（f,30）;

figure

（2）,imshow（g）

代码2：

（质心型）

function[a]=regiongrow4（f,T）

imshow（f）;

se=[0,1,0;1,1,1;0,1,0];

[y,x]=ginput（）;

x=floor（x）;

y=floor（y）;

a=im2bw（zeros（size（f）））;

a（x,y）=1;

average=f（x,y）;

while1

b=imdilate（a,se）;

P=b-a;

index=find（P）;

n=size（index）;

fori=1:

n

t=abs（average-double（f（index（i））））;

ift>=T

b（index（i））=0;

P（index（i））=0;

end

end

a=b;

indexb=find（b）;

N=length（indexb）;

All=0;

fori=1:

N

All=All+double（f（indexb（i）））;

end

average=All/N;

ifsum（sum（P））==0

break;

end

end

结果：

3.用课本中分水岭的距离变换分水岭分割、梯度分水岭分割和控制标记符分水岭分割对liver1和liver2图像进行分割，分析上述算法的特点和存在的问题，考虑如何进行改进？

代码1：

closeall;

f=imread（'liver1.bmp'）;

figure

（1）,imshow（f）;

%g=im2bw（f,graythresh（f））;

[g,NR]=regiongrow（f,255,135）;%肝脏分离

figure

（2）,imshow（g）;

gc=~g;

D=bwdist（gc）;

L=watershed（-D）;

w=L==0;

figure（3）,imshow（w）;

g2=g&~w;

figure（5）,imshow（g2）;

代码2：

closeall;

f=imread（'liver1.bmp'）;

F=regiongrow（f,255,135）;

%F=im2bw（f,graythresh（f））;

figure

（1）,imshow（F）;

h=fspecial（'sobel'）;

fd=double（f）;

g=sqrt（imfilter（fd,h,'replicate'）.^2+...

imfilter（fd,h','replicate'）.^2）;

figure

（2）,imshow（g）;

L=watershed（g）;

wr=L==0;

figure（3）,imshow（wr）;

g2=imclose（imopen（g,ones（3,3））,ones（3,3））;

L2=watershed（g2）;

wr2=L2==0;

f2=F;

f2（wr2）=255;

figure（4）,imshow（f2）;

代码3：

closeall;

f=imread（'liver1.bmp'）;

F=regiongrow（f,255,135）;

%F=im2bw（f,graythresh（f））;

figure

（1）,imshow（F）;

h=fspecial（'sobel'）;

fd=double（f）;

g=sqrt（imfilter（fd,h,'replicate'）.^2+...

imfilter（fd,h','replicate'）.^2）;

figure

（2）,imshow（g）;

L=watershed（g）;

wr=L==0;

figure（3）,imshow（wr）;

rm=imregionalmin（g）;

im=imextendedmin（f,2）;

fim=f;

fim（im）=175;

Lim=watershed（bwdist（im））;

em=Lim==0;

figure（4）,imshow（em）;

g2=imimposemin（g,im|em）;

L2=watershed（g2）;

f2=f;

f2（L2==0）=255;

figure（5）,imshow（f2）;

实验报告：

1.实验目的

2.实验内容（部分可略写）每题分开写，并标明题号

3.实验小结和体会

小结：

1、第一题重在理解S和T的涵义，若S是一个标量，则它定义一个亮度值，f中有着该值的所有点都变成种子；若T是标量，则它会定义一个全局阈值，阈值用来测试图像中的像素是否与该种子或8连接种子足够相似。