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。  
                          

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

亦我飞也

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值