医学图像分割

四、区域分割-区域增长
❖步骤
第二步：种子点邻域内，相似 像素加入
例如：灰度相差＜2
第三步：遍历，分割结束
5586
5586
4897
4897
2283
2283
3333
3333
四、区域分割-区域增长
原图
种子点
T=3
T=7
T=1
四、区域分割-区域增长
❖特点 局部到全局，预先确定子图像 数目 种子点的选择 判断相似性的阈值选择 过大：误分 过小：无归属
三、阈值分割
❖原理 按像素的某一特征确定阈值， 划分像素的归属 灰度直方图法 单阈值 多阈值
单阈值分割 阈值T：一般取两个峰值间的谷值。
令f (x, y)为原始图像 子图像（ 1 暗）
g(x, y) 子图像2（亮）
ຫໍສະໝຸດ Baidu
f (x, y) T f (x, y)＞T
单阈值分割
单阈值分割
多阈值分割
❖原理 相似性原则
❖方法 区域增长 区域分裂和合并
四、区域分割
四、区域分割-区域增长
❖目的 从单个像素开始，逐渐合并成子图像
❖方法 相似性原则
❖区别 区域生长：基于灰度、得到区域 边界跟踪：基于梯度、得到边界
四、区域分割-区域增长
❖步骤
起始：预设1种子点
5586 4897 2283 3333
确定闭合边界
灰度梯度的相似性
原图
灰度梯度（差分）
相邻边界梯度之差≤T 相邻边界梯度方向之差≤A
确定闭合边界
边界和噪声
原图
灰度梯度（差分）
252/152
?
确定闭合边界 边界跟踪法
二、基于边界的分割
❖沿边界划定子图像
左（右）手原则
其他方法
第六章 医学图像分割
一、图像分割的目的与准则 二、基于边界的分割 三、阈值分割 四、区域增长 五、分割的评价
一、图像分割的目的与准则 二、边界分割 三、阈值分割 四、区域分割 五、分割的评价
二、基于边界的分割
❖原理 子图像间有明显边界 边界两侧像素属不同子图像、 有显著差异
❖边界的形成 人工确定
自动确定
半自动确定
二、基于边界的分割
二、基于边界的分割
❖边界自动确定方法 边界检测 梯度－差分法/交叉差分法 模板：Robert /Sobel/Prewitt/Laplacian 闭合边界 梯度相似性 边界跟踪
多阈值分割
三、阈值分割
❖改进方法（直方图）： 图像大小悬殊：缩小计算区域 子图像边界模糊：减少边界像素
？
三、阈值分割
❖局部阈值分割 适用：明暗分布不均匀的图像 方法：分成小图像，选择局部阈值
三、阈值分割
❖阈值分割的推广 一维--高维特征空间的聚类
第六章 医学图像分割
一、图像分割的目的与准则 二、基于边界的分割 三、阈值分割 四、区域分割 五、分割的评价
四、区域分割-区域的分裂合并
原图
2次分裂
部分区域3次分裂
合并
四、区域分割-区域的分裂合并
❖特点 全局到局部，不会产生无归属 像素 无需预先确定子图像数目 判断一致性的标准（阈值） 太严：子图像过多、过散
确定测度
分割效果的评价
确定评价准则
设计测试图
不同算法结果 的效果评价
加入干扰因素
医学图像分割
上海交通大学医学院 生物信息学中心
第六章 医学图像分割
一、图像分割的目的与准则 二、边界分割 三、阈值分割 四、区域分割 五、分割的评价
图像预处理 像素
一、图像分割的目的与准则
图像分割
图像分析与理解 对象
一、图像分割的目的与准则
❖分割准则
每个像素有归属
仅属于一个子图像
同一子图像性质相近
不同子图像同一性质相差较大
一、图像分割的目的与准则
❖分割依据： 边界（灰度梯度） 阈值（灰度） 区域 纹理、空间位置、频谱、彩色 特征……
一、图像分割的目的与准则
❖分割方法 基于边界 基于阈值 基于区域 基于特定理论的方法 模糊聚类法 神经网络方法 遗传算法 ……
第六章 医学图像分割