文档

imsegfmm

二值图像快速步进分割方法

折叠所有页面

语法

BW = imsegfmm(W,mask,thresh)
BW = imsegfmm(W,C,R,thresh)
BW = imsegfmm(W,C,R,P,thresh)
[BW,D] = imsegfmm(___）

描述

例子

BW= imsegfmm (W，面具，打）返回一个分段图像BW，是用快速行进法计算的。数组W指定每个像素的权重。面具指定种子位置的逻辑数组。打值域内是否有非负标量[0 1]指定阈值级别。

BW= imsegfmm (W，C，R，打）返回一个分段图像，其种子位置由向量指定C而且R，其中包含列和行索引。C而且R必须包含有效像素索引的值W．

BW= imsegfmm (W，C，R，P，打）返回一个分段图像，其种子位置由向量指定C，R,P，其中包含列、行和面索引。C，R,P必须包含有效像素索引的值W．

［BW，D= imsegfmm(___）返回归一化测地线距离图D采用快速推进法计算。BW的阈值版本D，其中所有归一化测地线距离值小于打被认为是前景像素和设置为真正的．D可以在不同的级别上设置阈值，以获得不同的分割结果。

例子

全部折叠

打开实时脚本

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行进方法来分割图像中的对象。

读取图像。

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

创建蒙版并指定种子位置。你也可以使用roipoly以交互方式创建蒙版。

mask = false(size(I));掩码(170,70)= true;

根据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。

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

你可以设置测地线距离矩阵的阈值D利用不同的阈值得到不同的分割结果。

图imshow(D)“测地线距离”）

打开实时脚本

这个例子从人脑的核磁共振数据中分割出了大脑。

加载MRI数据。

负载核磁共振成像V =挤压(D);

可视化数据。

sizeO = size(V);图;片(双(V), sizeO (2) / 2, sizeO (1) / 2, sizeO (3) / 2);阴影插值函数, colormap灰色的；标题(“原始”）;

设置种子位置。

种子r = 75;种子c = 60;seedP = 10;

根据灰度强度差计算权重。

W = graydiffweight(V，种子c，种子r，种子p，“GrayDifferenceCutoff”25);

使用权重分割图像。

脱粒= 0.002;BW = imsegfmm(W，种子c，种子r，种子p，脱粒);

使用iso surface可视化分割后的图像。

图;p = patch(isosurface(double(BW)));p.FaceColor =“红色”；p.EdgeColor =“没有”；Daspect ([1 1 27/64]);camlight;照明冯氏；

输入参数

全部折叠

权重数组，指定为非稀疏、非负数值数组。使用graydiffweight或gradientweight函数来计算这个权重数组。的高值W标识前景(对象)，低值标识背景。

例子:W = graydiffweight(I, mask，'GrayDifferenceCutoff'， 25);

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

种子位置掩码，指定为逻辑数组，大小与W．位置面具是真实的种子位置。如果你用过graydiffweight来创建权重矩阵W，建议您使用相同的值面具与imsegfmm你用在graydiffweight．

例子:mask = false(size(I));掩码(170,70)= true;

数据类型:逻辑

用于获取二值图像的阈值级别，指定为范围内的非负标量[0 1]．低值通常导致大前景区域(逻辑为真)BW，高值产生小的前景区域。

例子:0．5

数据类型:双

参考像素的列索引，指定为数值向量。

例子:[50 75 93]

数据类型:双

参考像素的行索引，指定为数值向量。

例子:[48 71 89]

数据类型:双

参考像素的平面索引，指定为数值向量。

例子:］

数据类型:双

输出参数

全部折叠

分割图像，作为大小相同的逻辑数组返回W．

例子:

数据类型:逻辑

的数组返回的归一化测地线距离映射双尺寸与W．如果W是一流的单，D是一流的单．

提示

  • imsegfmm对除类以外的所有类使用双精度浮点运算进行内部计算单．如果W是一流的单，imsegfmm内部使用单精度浮点运算。

  • imsegfmm使用0或南权重值为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(逻辑为假)BW．

参考文献

[1] Sethian, J. A.水平集方法和快速推进方法:计算几何、流体力学、计算机视觉和材料科学中的进化接口，剑桥大学出版社，第2版，1999年。

另请参阅

||||

在R2014b中引入

这个话题有用吗?
图像处理工具箱文档
万博1manbetx

试试MATLAB、Sim万博1manbetxulink和其他产品s manbetx 845

现在就去审判吧