基于区域增长的可视人彩色图像分割

文章摘要：s=1-{3×[min(R,G,B)]/(R+B+G)V=(R+B+G)/32 实现2．1 降低分辨率对可视人数据进行处理的一个很大挑战，就是其超大的数据量。即使是身体上很小的一部分，要想保持完全分辨率，也将占用很大的硬盘空间和内存。例如，一张真彩胸部切片是18MB，分辨率为3072×2048，颜色深度为24位。因此，在分割之前，必须降低分辨率。笔者通过每3×3个像素采样，将之降到1024×683。当然分辨率的降低可能导致或增强局部体效应。2．2 自适应区域生长算法本文采用了自适应区域增长算法，首先操作者在感兴趣区域（ROI）居中位置选择一种子点s(i,

基于区域增长的可视人彩色图像分割,标签：显示及光电,光电显示技术,http://www.88dzw.com

s=1-{3×[min(R,G,B)]/(R+B+G)

V=(R+B+G)/3

2 实现

2．1 降低分辨率

对可视人数据进行处理的一个很大挑战，就是其超大的数据量。即使是身体上很小的一部分，要想保持完全分辨率，也将占用很大的硬盘空间和内存。例如，一张真彩胸部切片是18MB，分辨率为3072×2048，颜色深度为24位。因此，在分割之前，必须降低分辨率。笔者通过每3×3个像素采样，将之降到1024×683。当然分辨率的降低可能导致或增强局部体效应。

2．2 自适应区域生长算法

本文采用了自适应区域增长算法，首先操作者在感兴趣区域（ROI）居中位置选择一种子点s(i,j)作为初始点，然后搜索其5×5领域φ，计算该领域V分量的均值和方差，并将阈值Thd和方差σ作为判断准则，计算公式如下：

均值，其中v为φ中像素的v分量值，pv为分量值等于v的概率

阈值Thd=Raver-sv,其中sv表示种子点的v的分量值。

算法中定义了三个操作集合，集合Cur_Set用于存放分割区域的像素点；Ready_Set集合存放待检验的像素点，由于每次都检验四个相邻像素点，所以该集合中元素个数始终为4；临时集合Temp_Set用于存放新的候选中心点。初始化时，Cur_Set中仅有初始种子点s，Ready_Set中有s的四个领域点s(i,j-1)、s(i,j+1)、s(i-1,j)、s(i+1,j，Temp_Set集合为空。程序首先搜索Ready_Set集合中的点，如果与种子点的分量差值小于阈值且方差小于0.02，则将该点放入Cur_Set集合中，并将该点的四个相邻像素点放入集合Temp_Set中，等待下一步处理；否则，该点将从Ready_Set中去除。依次计算，直到Ready_Set集合为空，然后再分别以临时集合Temp_Set中元素为种子点，建立新的四领域点，要新Ready_Set集合，程序重复以上步骤，直到Teady_Set集合为空。

2．3 实验结果

实验中，选取上胸部直彩图像。

由于数据量很大，完成整个胸部的分割，必须在工作站上进行。为了提高运算速度并能在PC机上运行，在左、右肺分别进行分割。在Matlab6.5上分别用时4分56秒和3分40秒。实验结果如图1（a）～（d）所示。由图1可知，该算法能比较好的地分割出肺部区域，但边界的平滑性还需要进一步处理。

本文针对可视人真彩解剖图像的待分割器官的颜色特征，采用了基于人工选取种子点的区域增长算法进行初步研究。实验结果表明，该方法对可见人肺部区域的分割能较好达到精度要求。但是还有一些问题需要进一步探索和解决，包括肺部血管的提取，如何在提高运算速度的同时不牺牲图像分辨率和精度，如何将算法有效推广到其他器官部位等。

上一页  [1] [2]