利用活动轮廓(蛇)区域生长技术将图像分割为前景和背景
的活跃的轮廓技术,也被称为蛇,是一种迭代的区域增长图像分割算法。使用活动轮廓算法,您可以在图像上指定初始曲线,然后使用activecontour
函数使曲线朝着物体边界演化。
activecontour
使用区域的边界面具
作为等高线的初始状态,从那里进化开始。面具上的洞会导致不可预知的结果。使用imfill
填补区域内的任何漏洞面具
.
如果一个区域接触到图像边界,那么activecontour
在进一步处理之前,从区域中移除一个单像素层,使区域不接触图像边界。
为了获得更快和更准确的结果,指定一个接近目标边界的初始轮廓位置,特别是对于“边缘”
方法。
为“边缘”
方法时,活动轮廓自然偏向向内收缩(塌陷)。在没有任何图像梯度的情况下,活动轮廓会自行收缩。相反,“Chan-Vese”
方法,其中轮廓是无偏的,轮廓可以根据图像特征自由收缩或扩展。
以实现精确的分割“边缘”
方法时,指定位于对象边界之外的初始轮廓。活动轮廓“边缘”
方法默认偏缩。
如果目标区域具有显著不同的灰度强度,则“Chan-Vese”
方法[1]可能不会分割图像中的所有物体。例如,如果图像中包含比背景更亮的物体和一些较暗的物体,则“Chan-Vese”
该方法通常只分割出黑暗或明亮的物体。
activecontour
使用稀疏场水平集方法,类似于[3],用于实现主动轮廓演化。
陈天福,拉斯维加斯,没有边缘的活动轮廓.图像处理学报,第10卷,第2期,266-277页,2001。
V. Caselles, R. Kimmel, G. Sapiro,测地线主动轮廓.国际计算机视觉杂志,第22卷,第1期,61-79页,1997。
r·t·惠特克,从距离数据进行三维重建的水平集方法.国际计算机视觉杂志,第29卷,第3期,203-231页,1998。