SimpleITK中的图像分割_weixin_42834523的博客-CSDN博客
SimpleITK中的图像分割
图像分割filters对图像进行处理，将其分割成有意义的区域，通常输出一个整数图像，其中每个整数代表一个目标，值0通常表示背景，1或255表示前景对象。
img_T1 = sitk.ReadImage(fdata("nac-hncma-atlas2013-Slicer4Version/Data/A1_grayT1.nrrd"))img_T2 = sitk.ReadImage(fdata("nac-hncma-atlas2013-Slicer4Version/Data/A1_grayT2.nrrd"))# 为了可视化图像，将图像转化为0到255img_T1_255 = sitk.Cast(sitk.RescaleIntensity(img_T1), sitk.sitkUInt8)img_T2_255 = sitk.Cast(sitk.RescaleIntensity(img_T2), sitk.sitkUInt8)1234567
阈值分割是最基本的分割方式，它只是简单地基于灰度范围标记图像地像素，而不考虑几何或连通性。
Itk 有许多基于直方图的自动阈值过滤器，包括 Huang，maximiumentropy，Triangle，和流行的 Otsu 方法。 这些方法创建直方图，然后使用启发式方法确定阈值。
otsu_filter = sitk.OtsuThresholdImageFilter()otsu_filter.SetInsideValue(0)otsu_filter.SetOutsideValue(1)seg = otsu_filter.Execute(img_T1)myshow(sitk.LabelOverlay(img_T1_255, seg), "Otsu Thresholding")otsu_filter.GetThreshold()123456
区域增长分割
seg = sitk.ConfidenceConnected(img_T1, seedList=[seed], numberOfIterations=1, multiplier=2.5, initialNeighborhoodRadius=1, replaceValue=1)myshow(sitk.LabelOverlay(img_T1_255, seg), "ConfidenceConnected")1234567
快速步进算法
快速步进算法实现了对简单水平集进化问题地解决算法，在这个例子中，微分方程中使用地速度参数是以图像地形式来提供地。速度图像是基于梯度的大小，并用有界倒数1/（1+x）来映射。
seed = (132,142,96)feature_img = sitk.GradientMagnitudeRecursiveGaussian(img_T1, sigma=.5)speed_img = sitk.BoundedReciprocal(feature_img) # 不想sigma函数不需要参数myshow(speed_img)1234
Fastmarchingmagefilter的输出是一个跨时间的映射，它表示对于每个像素，前端到达该像素点需要花费多少时间。
fm_filter = sitk.FastMarchingBaseImageFilter()fm_filter.SetTrialPoints([seed])fm_filter.SetStoppingValue(1000)fm_img = fm_filter.Execute(speed_img)myshow(sitk.Threshold(fm_img, lower=0.0, upper=fm_filter.GetStoppingValue(), outsideValue=fm_filter.GetStoppingValue()+1))
赞 (0)