段图像进入前景和背景使用活动轮廓(蛇)区域生长技术
的活跃轮廓技术,也称为蛇,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。
要获得更快更准确的结果,请指定接近所需对象边界的初始轮廓位置,尤其是“边缘”
方法。
为“边缘”
方法,活性轮廓自然地偏向于向内缩小(折叠)。在没有任何图像梯度的情况下,主动轮廓自身缩小。相反,与“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,指定位于对象的边界之外的初始轮廓。活跃的轮廓“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”
方法通常仅在暗或明亮的物体中段。
activecontour
使用稀疏场水平集方法,类似于[3],实现活动轮廓演进。
陈天福,拉斯维加斯,没有边缘的活动轮廓.图像处理的IEEE交易,第10卷,第2版,第266.277,2001。
V. Caselles, R. Kimmel, G. Sapiro,测地活跃轮廓.国际计算机视觉杂志,第22卷,第1期,61-79页,1997。
[3] R.T. Witaker,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。