ITK系列32_ 阈值水平集算法对脑部PNG图像进行二维分割

阈值水平集分割

itk::ThresholdSegmentationLevelSetImageFilter 是对阈值连接成员分割在水平集框架上的一个拓展。目标是定义一个亮度值的范围来对相关的组织类型继续分类，然后求出对那个亮度范围基于水平集等式上的传播系数。使用水平集方法，进化的表面的平滑可以被用来阻止在连接成员方案中常见的“漏泄”。依照下面的公式可以从 FeatureImage 输入 g（x） 同 UpperThreshold 值 U 和 LowerThreshold 值 L 计算出下等式的传播系数 P(x) ：

                                                                      （9-4）

上式阐述了传播系数函数P(x),在g中的亮度值在L和H之间是正数值P，而在亮度范围之外是负数值P。

                                                                      

                                                             从公式（9-4）得到的基于阈值水平集分割的传播系数

ThresholdSegmentationFilter需要两个输入，第一个是itk::Image形式的一个最初的水平集，第二个是一个特征图像。对于许多应用，这个滤波器需要很少甚至不需要处理它的输入。平滑输入图像并不一定非要产生合理的解答，在一些情况下也是许可的。如下图所示展示了图像处理途径结构。使用快速行进滤波器来生成最初的表面。分割滤波器的输出传递给一个itk::BinaryThresholdImageFilter来创建一个被分割对象的二值表示。

                                      

现在我们使用和9.1.1小节中itk::ConnectedThresholdImageFilter例子中使用的相同的数据和参数来运行这个例子。我们将使用一个数值为5的值来作为表面到种子点的最初距离。这个算法对这个初始化感觉相对迟缓。把图9-26所示中的结果和图9-1所示的结果相比较。注意：表面的平滑约束是如何阻止分割泄露进入两个脑室的，还有灰质部分的分割局部化到了一个更小的部分中。如表9-9所示为分割使用的参数。