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（26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。
2、第二题比较注重算法。
用膨胀的方法解决四连接生长点的确定，即先膨胀再进行判断，直到没有出现新的生长点为止。
效果与重建很像，但算法不同，适合不同的场合。
3、第三题重在理解分水岭的原理，即基于距离变换找出分水岭。
但对于梯度分水岭和控制标记符的分水岭分割不理解，需要听老师和其他同学的讲解。
还有第二张liver2.bmp有点问题，需要用以前的图片。
4、
升级会员 