主要内容

imsegfmm

二值图像分割采用快速前进法

折叠所有页面

语法

BW = imsegfmm (W,面具,打)
BW = imsegfmm (W C R,打)
BW = imsegfmm (W C R, P,打)
(BW, D) = imsegfmm (＿＿＿)

描述

例子

BW= imsegfmm (W，面具，打)返回分割的图像BW，采用快速行进法进行计算。数组W为每个像素指定权重。面具是指定种子位置的逻辑数组。打阈值级别。

BW= imsegfmm (W，C，R，打)返回分割后的图像，由向量指定种子位置C和R，其中包含列和行索引。C和R必须包含有效像素索引的值W．

BW= imsegfmm (W，C，R，P，打)返回分割后的图像，由向量指定种子位置C，R,P，其中包含列、行和平面索引。C，R,P必须包含有效像素索引的值W．

［BW，D) = imsegfmm (＿＿＿)返回标准化的测地线距离图D使用快速行进法计算。BW是一个阈值版本D，其中所有归一化测地线距离值小于的像素打被认为是前景像素，并设置为真正的．D可以在不同的阈值水平上得到不同的分割结果。

例子

全部折叠

打开生活的脚本

这个例子展示了如何使用基于灰度强度与种子位置的差异的快速前进方法分割图像中的对象。

读取图像。

我= imread (“cameraman.tif”）;imshow (I)标题(原始图像的)

图中包含一个轴对象。标题为“Original Image”的axis对象包含一个类型为Image的对象。

创建蒙版并指定种子位置。你也可以用roipoly以交互方式创建掩码。

掩码= false(大小(I));面具(170、70)= true;

基于灰度强度差计算权重数组。

W = graydiffweight(I, mask，“GrayDifferenceCutoff”25);

使用权重分割图像。

打= 0.01;[BW, D] = imsegfmm(W, mask, thresh);图imshow (BW)标题(“分割图像”)

图中包含一个轴对象。标题为分割图像的轴对象包含一个类型为图像的对象。

你可以设定测地线距离矩阵的阈值D使用不同的阈值得到不同的分割结果。

图imshow (D)标题(“测地线距离”)

图中包含一个轴对象。标题为“测地线距离”的轴对象包含一个类型为image的对象。

打开生活的脚本

这个例子从人脑的核磁共振数据中分割出大脑。

加载MRI数据。

负载(“核磁共振”) V =挤(D);

可视化数据。

sizeO =大小(V);图片(双(V), sizeO (2) / 2, sizeO (1) / 2, sizeO (3) / 2);阴影插值函数colormap (“灰色”)标题(“原始”)

图中包含一个轴对象。标题为Original的轴对象包含3个类型为surface的对象。

设置种子位置。

seedR = 75;seedC = 60;seedP = 10;

基于灰度强度差异计算权重。

W = graydiffweight (V, seedC、seedR seedP,“GrayDifferenceCutoff”25);

使用权重分割图像。

打= 0.002;BW = imsegfmm (W seedC seedR seedP,打);

使用等值面可视化分割图像。

figure p = patch(等值面(double(BW)));p.FaceColor =“红色”；p.EdgeColor =“没有”；daspect ([1] 1 27/64);camlight照明冯氏

图中包含一个轴对象。axis对象包含一个patch类型的对象。

输入参数

全部折叠

权重数组，指定为非负数值数组。属性可以计算权重数组graydiffweight或gradientweight功能。大值W识别前景(物体)，小值识别背景。

数据类型:单|双|uint8|int8|int16|uint16|int32|uint32

种子位置掩码，指定为大小相同的逻辑数组W．位置面具是真正的是种子的位置。如果你使用graydiffweight来创建权重矩阵W，建议您使用相同的值面具与imsegfmm你用过的graydiffweight．

数据类型:逻辑

用于获取二值图像的阈值水平，指定为[0,1]范围内的一个数字。低值通常导致较大的前景区域(逻辑为真)BW，高值产生小的前景区域。

例子:0．5

数据类型:双

引用像素的列索引，指定为数字向量。

例子:(50 75 93)

数据类型:双

引用像素的行索引，指定为数字向量。

例子:(48 71 89)

数据类型:双

参考像素的平面索引，指定为数字向量。

例子:(2 4 7)

数据类型:双

输出参数

全部折叠

分割后的图像，返回为大小相同的逻辑数组W．

数据类型:逻辑

归一化的测地线距离图，作为大小相同的数字数组返回W．如果W的类单,然后D的类单．否则,D的类双．

数据类型:双|单

提示

  • imsegfmm对除class以外的所有类的内部计算使用双精度浮点运算单．如果W的类单，imsegfmm在内部使用单精度浮点运算。

  • imsegfmm设置像素与0或南重量值正在测地线距离图像中D．这些像素是分割图像中背景的一部分(逻辑错误)BW．

参考文献

J. A.塞西安水平集方法和快速行进方法:计算几何、流体力学、计算机视觉和材料科学的进化界面，剑桥大学出版社，第二版，1999年。

另请参阅

||||

介绍了R2014b

图像处理工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书