使用蒙版有效地处理阻塞图像
此示例显示如何通过使用掩码隔离ROI有效地处理阻塞图像。
一些大图像来源只有一小部分图像具有有意义的数据。您可以通过将处理限制到包含有意义数据的感兴趣区域（ROI）的处理来改进总处理时间。使用面具定义ROI。面具是一个逻辑图像真正的像素代表ROI。
在阻塞图像工作流中，掩码表示与图像数据相同的空间区域，但不需要与图像大小相同。为了进一步提高工作流的效率，从一个粗糙的图像创建一个遮罩，特别是适合内存的图像。然后，使用粗糙蒙版来处理较精细的图像。
使用CAMELYON16数据集中图像“tumor_091.tif”的修改版本创建一个阻塞图像。原始图像是包含肿瘤组织的淋巴结的训练图像。原始图像有8个分辨率等级，最好的等级分辨率为53760 × 61440。修改后的图像只有三个粗分辨率。修改后的图像的空间参考已经被调整，以加强一致的宽高比，并在每一层配准特征。
bim = blockedimage（'tumor_091r.tif'）;
通过使用显示阻塞图像BigimageShow.功能。
bigimageshow (bim);
创建面具
确定粗糙级别的图像大小。
coarselevel = bim.numlevels;%最大值是最粗糙的水平coarseLevelSize = bim.Size (coarseLevel:)
coarseLevelSize =1×3625 670 3.
在粗糙的分辨率级别获取图像。
imlowres =聚集（bim）;
您可以使用粗略级别生成掩码图像分段器应用程序。该应用预期灰度输入图像，因此从粗糙图像中获取亮度通道。
imLowResL = rgb2lightness (imLowRes);
跑步图像分段器App，在命令窗口中输入命令:ImageEstmoner（imlowresl）．定义蒙版后，导出掩码，BW.或者使用用于创建掩码的应用程序的代码。该示例的本节使用从应用程序导出的代码。运行此代码以创建来自粗输入图像的掩码。
％------------------------------------------------%将输入数据规范化到[0,1]范围内。Xmin = min（imlowresl（:)）;xmax = max（imlowresl（:)）;如果isequal(Xmax,Xmin) imLowResL = 0*imLowResL;别的imlowresl =（imlowresl - xmin）./（xmax - Xmin）;结尾% Threshold image -全局阈值bw = imbinarize（imlowresl）;％逆变掩码BW = imcomplement (BW);用正方形打开面膜宽度= 3;se = strel（'正方形'， 宽度）;bw = imopen（bw，se）;％------------------------------------------------imshow（bw）
使用与输入掩模相同的空间引用，从掩码中创建一个阻塞图像。
bmask = blockedImage (BW,“WorldEnd”，bim.worldend（3,1：2））;
显示面具有绿色背景。
H = BigimagesHow（BIM）;H.Parent.Color =.'G';H.Parent.Alphamap = [1 .5];H.Alphadata = BMASK;H.Alphadatamping =.“直接”;
调整包含阈值以覆盖感兴趣的区域
这申请函数每次处理一个块的图像。你可以使用“InclusionThreshold”使用掩码的属性指定哪个块申请函数使用。包含阈值指定掩码像素的百分比真正的为了申请处理块。
突出显示申请将使用默认包含阈值处理，0．5．只有中心块(用绿色突出显示)将被处理。
H = BigimagesHow（BIM）;ShowMask（H，BMASK，1）;标题（“带有默认包含阈值的掩码”）
为了处理图像的更多块，减少包含阈值。
ShowMask（H，BMASK，1，“InclusionThreshold”，0.4）;标题（“InclusionThreshold = = 0.4”）
在极端情况下，处理所有至少有一个的块真正的掩模中的像素。要指定此选项，请设置“InclusionThreshold”财产0.．并非包括图像的所有块。
ShowMask（H，BMASK，1，“InclusionThreshold”, 0);标题（“InclusionThreshold = = 0”）
使用任何值的掩码“InclusionThreshold”将降低总执行时间，因为申请将比完整图像处理更少的块。随着图像分辨率的提高和处理管道的复杂性的增加，使用掩码的好处变得更加显著。
测量过滤全图像的执行时间。
应用(bim，......@ (bs) imnlmfilt (bs。数据,“DegreeOfSmoothing”，15））;TffullProcessing = TOC;
使用ROI测量仅筛选块的执行时间。
bls = selectblocklocations（bim，“面具”，bmask，“InclusionThreshold”，0）;tic boutmasked = apply（bim，......@ (bs) imnlmfilt (bs。数据,“DegreeOfSmoothing”，15），......'blocklocationset'美国劳工统计局);tMaskedProcessing = toc;bigimageshow(布特蒙面)defaultBlockSize = bim_blocksize(1，:); / /设置图片大小标题（[“使用带有默认块的蒙版的处理图像== ['......num2str (defaultBlockSize)“]”]）;
比较处理完整图像和只处理感兴趣区域中的块的执行时间。
DISP（[“使用面罩加速:”......num2str（tffullprocessing / tmaskedprocessing）'X']）;
加速使用掩码:1.6988x
调整块大小以遵循感兴趣区域的轮廓
您可以减少块大小以在ROI周围获得更严格的包装。对于某些块大小，这将减少执行时间，因为申请将处理ROI之外的更少的像素。但是，如果块大小太小，则性能将减小，因为处理较大数量的块的开销将偏移处理的像素数量。
突出显示申请将使用较小的块大小进行处理。要指定块大小，请设置'blocksize'财产。
blocksize = [512 512];H = BigimagesHow（BIM）;ShowMask（H，BMASK，1，'blocksize'blockSize,“InclusionThreshold”, 0);标题（[“BlockSize = = ['num2str（blocksize）']， InclusionThreshold == 0']）
测量以较小的块大小过滤ROI内所有块的执行时间。
bls = selectblocklocations（bim，“面具”，bmask，“InclusionThreshold”，0）;tic boutmasked = apply（bim，......@ (bs) imnlmfilt (bs。数据,“DegreeOfSmoothing”，15），......'blocklocationset'美国劳工统计局);
tsmallerblockprocessing = toc;Bigimageshow（boutmasked）;标题（['处理图像使用蒙版与BlockSize == ['......num2str（blocksize）“]”]）;
与较大的块相比，比较处理整个ROI的执行时间，较小的块。
DISP（['额外的加速使用掩码与减少的块大小:'......num2str（tmaskedprocessing / tsmallerblockprocessing）'X']）;
额外的加速使用减少块大小的掩码:0.97433x
也可以看看
你也可以从以下列表中选择一个网站:
