醫(yī)學圖像分割技術(shù)培訓課件

1、醫(yī)學圖像分割技術(shù)醫(yī)學圖像分割技術(shù)主要內(nèi)容：6.2 閥值分割法6.3 區(qū)域生長法和分裂合并法6.1 圖像分割的基本概念、特點和分類第六章 醫(yī)學圖像分割技術(shù)6.4 其他常用的醫(yī)學圖像分割方法2醫(yī)學圖像分割技術(shù)主要內(nèi)容：6.2 閥值分割法6.3 區(qū)域生長法和分裂合并法6（1）基本概念 醫(yī)學圖像處理的最終目的是實現(xiàn)目標的檢測識別、分類、分級。要實現(xiàn)這些目標，首先就得把感興趣的區(qū)域從圖像中分割出來。 圖像分割就是將圖像中的不同區(qū)域區(qū)分開來，劃分后的區(qū)域是互不相交的，且同一區(qū)域的每一個元素滿足某一個特定的準則。具體來說，圖像分割就是原圖像劃分為一系列互相連接但又不重疊的子區(qū)域。6.1 圖像分割的基本概念、

2、特點和分類3醫(yī)學圖像分割技術(shù)（1）基本概念 6.1 圖像分割的基本概念、特點和分類3醫(yī)學（1）基本概念 圖像分割是圖像工程中非常重要的一個環(huán)節(jié)。處于基礎(chǔ)的圖像處理和高層次的圖像理解之間。6.1 圖像分割的基本概念、特點和分類圖像圖像預處理圖像分析圖像理解圖像分割4醫(yī)學圖像分割技術(shù)（1）基本概念 6.1 圖像分割的基本概念、特點和分類圖像圖（2）醫(yī)學圖像分割的特點 醫(yī)學圖像分割方法針對具體的醫(yī)學應用和分割任務(wù)，具有以下三個特點。需要結(jié)合利用醫(yī)學領(lǐng)域知識或先驗知識進行。重視多種分割算法的有效結(jié)合。大多需要人工干預。6.1 圖像分割的基本概念、特點和分類5醫(yī)學圖像分割技術(shù)（2）醫(yī)學圖像分割的特點6.

3、1 圖像分割的基本概念、特點和分（3）圖像分割的分類 圖像分割主要依賴于圖像中不同目標或區(qū)域的影像特性，包括像素灰度值的變化、顏色或圖像的空間模式等。 醫(yī)學圖像的分割通常根據(jù)像素的灰度變化，分為基于區(qū)域的分割和基于邊緣檢測的分割兩大類。這兩種方法分別利用了同一對象或目標的內(nèi)部特征或像素灰度分布具有相似性，以及不同對象或目標之間特征或灰度值的不連續(xù)性。6.1 圖像分割的基本概念、特點和分類6醫(yī)學圖像分割技術(shù)（3）圖像分割的分類6.1 圖像分割的基本概念、特點和分類6（3）圖像分割的分類 基于區(qū)域的分割方法的算法有： 閥值法 區(qū)域生長法 區(qū)域的分裂和合并法 分水嶺法6.1 圖像分割的基本概念、特點

4、和分類7醫(yī)學圖像分割技術(shù)（3）圖像分割的分類6.1 圖像分割的基本概念、特點和分類7（3）圖像分割的分類 基于邊緣檢測的分割方法通過檢測不同區(qū)域的邊緣來解決圖像分割問題。常用的算法有： 并行微分算子法 基于邊界曲線擬合法 基于形變模型的分割法6.1 圖像分割的基本概念、特點和分類8醫(yī)學圖像分割技術(shù)（3）圖像分割的分類6.1 圖像分割的基本概念、特點和分類8（1）閥值分割法概述 閥值分割分為單閥值分割和多閥值分割。單閥值分割將圖像分割為目標和背景，多閥值分割將圖像分割為多個目標和背景。 閥值分割的依據(jù)是：目標或背景內(nèi)的相鄰像素間的灰度值是相似的，目標和背景的像素在灰度上有差異，反映在直方圖上，目

5、標和背景則對應不同的峰，選取的閥值應位于兩個峰之間的谷底，從而將兩個峰有效地分開。6.2 閥值分割法9醫(yī)學圖像分割技術(shù)（1）閥值分割法概述6.2 閥值分割法9醫(yī)學圖像分割技術(shù)6.2 閥值分割法10醫(yī)學圖像分割技術(shù)6.2 閥值分割法10醫(yī)學圖像分割技術(shù)（1）閥值分割法概述 閥值分割的關(guān)鍵在于如何確定一個合適的閥值T，把圖像分割為以下圖像： 6.2 閥值分割法11醫(yī)學圖像分割技術(shù)（1）閥值分割法概述6.2 閥值分割法11醫(yī)學圖像分割技術(shù)（1）閥值分割法概述 6.2 閥值分割法閾值過小閾值過大12醫(yī)學圖像分割技術(shù)（1）閥值分割法概述 6.2 閥值分割法閾值過小閾（1）閥值分割法概述 6.2 閥值分割

6、法原始圖像閾值圖像13醫(yī)學圖像分割技術(shù)（1）閥值分割法概述 6.2 閥值分割法原始圖像閾（1）閥值分割法概述 閥值分割法可以分為全局閥值法和動態(tài)閥值法。 如果閥值T的確定只和整幅圖像f(x,y)的直方圖有關(guān)系， 即T=T(f(x,y) 則為全局閥值法。 如果閥值T的確定不僅考慮全局閥值信息，在應用到每個像素點時還依據(jù)當前像素點的鄰域?qū)傩赃M行微調(diào)，即T=T(f(x,y),p(x,y)，則為動態(tài)閥值法。 6.2 閥值分割法14醫(yī)學圖像分割技術(shù)（1）閥值分割法概述6.2 閥值分割法14醫(yī)學圖像分割技術(shù)（2）全局閥值法 最小極值點閥值法 對于符合如右圖模型特點的圖像，概率密度函數(shù)兩個峰之間的波谷最低處

7、的灰度值可以作為分割閥值T，此閥值即為最小極值點閥值。 求解方法：滿足以上條件的z值即為最小極值點閥值T。6.2 閥值分割法15醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法15醫(yī)學圖像分割技術(shù)（2）全局閥值法 Otsu法 (最大類間方差閾值法) Otsu法的原理是，背景和目標為來自兩個總體的兩組灰度值樣本，以組間方差最大作為約束條件來確定閾值。Otsu法無需先驗知識，也無需輸入?yún)?shù)，選取的閥值進行分割的效果比較理想。 函數(shù)graythresh( )就是使用Otsu法確定閥值。 6.2 閥值分割法16醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法16醫(yī)學圖像分割技術(shù)（2）全局閥值法 O

8、tsu法 (最大類間方差閾值法) Otsu法閥值分割實例： level=graythresh(f); BW=im2bw(f,level);6.2 閥值分割法17醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法17醫(yī)學圖像分割技術(shù)（2）全局閥值法 最小誤差閥值法 最小誤差閥值法也稱全局最優(yōu)閥值法。如果圖像的目標和背景的概率密度函數(shù)已知，或者目標和背景的各自直方圖已知，分別為po(z)和pb(z)，并且目標像素和背景像素在整張圖像中占的比例已知，分別為Po和Pb（ Po=1-Pb ），最小誤差閥值就是使得目標和背景的誤分割誤差最小的閥值。6.2 閥值分割法18醫(yī)學圖像分割技術(shù)（2）全局閥值法6.

9、2 閥值分割法18醫(yī)學圖像分割技術(shù)（2）全局閥值法 最小誤差閥值法 選定任意一個閥值t，則將一個背景像素誤分割為目標像素的概率為：將一個目標像素誤分割為背景像素的概率為： 總體誤分割的概率為：6.2 閥值分割法ttt19醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法ttt19醫(yī)學圖像分割技術(shù)醫(yī)學圖像分割技術(shù)培訓課件（2）全局閥值法 最小誤差閥值法 從上述方程看，如果目標和背景像素在圖像中所占比例相等，即Pb=Po =0.5，方程可化簡為： 最優(yōu)閥值為目標和背景的概率密度函數(shù)的交點處對應的灰度級。6.2 閥值分割法21醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法21醫(yī)學圖像分割技術(shù)（2

10、）全局閥值法 最小誤差閥值法 實際應用中，目標和背景的出現(xiàn)和分布的概率很難獲得。在很多情況下，可以用近似的方法來替代。例如假設(shè) 、 都符合高斯分布，且均值 、 和方差 和 已知。則： ，6.2 閥值分割法22醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法22醫(yī)學圖像分割技術(shù)（2）全局閥值法 最小誤差閥值法 如果進一步假設(shè) 和 相等且其值為 ，對應的最優(yōu)閥值為： 如果假設(shè)目標和背景像素在圖像中所占的比例相等，即Pb=Po =0.5，則最優(yōu)閥值為6.2 閥值分割法23醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法23醫(yī)學圖像分割技術(shù)（2）全局閥值法 基于最小誤差法理論的迭代最優(yōu)閥值選取：

11、若假設(shè)目標和背景出現(xiàn)的概率相同，且均為高斯分布，方差相等，則對應的最優(yōu)閥值為 。在確定圖像符合雙峰模型后，可采用迭代法得到或逼近真正的最優(yōu)閥值。 1）選擇一個初始閥值T 。 2）用T實現(xiàn)圖像分割，把圖像像素分為兩類。 3) 分別計算上一步獲得的兩類像素的均值 和 。 4）依據(jù)公式 計算新的閥值。 5）若新的閥值T 和上一輪T 值相差的絕對值小于預先設(shè)置的一個參數(shù)thresh時，退出迭代，此時的T 值為最終的最優(yōu)閥值。否則回到第2步，繼續(xù)迭代。6.2 閥值分割法24醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法24醫(yī)學圖像分割技術(shù)（2）全局閥值法 迭代最優(yōu)閥值分割:T=(max(f(:)+m

12、in(f(:)/2; flag=1; %計算初始閾值Twhile(flag) g=f=T; %g與f尺寸相同，g中為1的點在f中像素值=T newT=(mean(f(g)+mean(f(g)/2; %計算新的T flag=abs(newT-T)0.0001; %如果newT和T相差不大， % flag為0 T=newT; %改變TendBW=im2bw(f,double(T)/255);6.2 閥值分割法25醫(yī)學圖像分割技術(shù)（2）全局閥值法6.2 閥值分割法25醫(yī)學圖像分割技術(shù)（3）動態(tài)閥值法6.2 閥值分割法26醫(yī)學圖像分割技術(shù)（3）動態(tài)閥值法6.2 閥值分割法26醫(yī)學圖像分割技術(shù)（3）動態(tài)

13、閥值法 當圖像的不同區(qū)域的背景或受到的干擾強度有明顯區(qū)別時，不宜使用全局閥值分割，可使用動態(tài)閥值。 動態(tài)閥值的思想： 把圖像劃分為若干個子圖像，則每個子圖像受到不均勻變化的影響較小，背景可近視看作均勻。 對每個子圖像單獨進行閥值分割，再將每個子圖像的分割結(jié)果拼成整幅圖像。每個子圖像所用的閥值隨子圖像在原圖像中的位置而變化。6.2 閥值分割法27醫(yī)學圖像分割技術(shù)（3）動態(tài)閥值法6.2 閥值分割法27醫(yī)學圖像分割技術(shù)（3）動態(tài)閥值法f=imread(septagon2.jpg);m,n=size(f); segImg=zeros(m,n); subSize=200; stdT=6;for i=1:

14、subSize:m for j=1:subSize:n subImg=f(i:i+subSize-1,j:j+subSize-1); if(std2(subImg)stdT) T=1.0; else T=graythresh(subImg); end segSub=im2bw(subImg,T); segImg(i:i+subSize-1,j:j+subSize-1)=segSub; endend6.2 閥值分割法28醫(yī)學圖像分割技術(shù)（3）動態(tài)閥值法6.2 閥值分割法28醫(yī)學圖像分割技術(shù)（1）區(qū)域生長法 和閥值法相似，區(qū)域生長法也是基于區(qū)域相似性進行分割，不同的是：閥值法獲得閥值T后，分割過程

15、可以并行實現(xiàn)，不同的圖像區(qū)域同時進行分割；而區(qū)域生長法是串行的算法，除第一步外，每一步算法都依賴于上一步的計算結(jié)果。6.3 區(qū)域生長法和分裂合并法29醫(yī)學圖像分割技術(shù)（1）區(qū)域生長法6.3 區(qū)域生長法和分裂合并法29醫(yī)學圖像分（1）區(qū)域生長法 區(qū)域生長法的基本思想： 將具有相似性質(zhì)的像素合并起來構(gòu)成區(qū)域，需要在待分割區(qū)域指定一個或多個種子點作為生長的起點。種子點可以人工指定，也可以設(shè)定規(guī)則由計算自動指定。 確定種子點后，根據(jù)生長規(guī)則，將種子像素周圍（一般選擇8鄰域）符合生長規(guī)則的像素劃分到種子點所在的區(qū)域；再將新納入的像素點作為種子點繼續(xù)進行生長，直到?jīng)]有滿足生長規(guī)則的像素為止。這樣就由最初的

16、種子點產(chǎn)生一個連通的區(qū)域。6.3 區(qū)域生長法和分裂合并法30醫(yī)學圖像分割技術(shù)（1）區(qū)域生長法6.3 區(qū)域生長法和分裂合并法30醫(yī)學圖像分（1）區(qū)域生長法 運用區(qū)域生長法的三個關(guān)鍵點： 選擇合適的種子點：種子點是區(qū)域生長的起始點，會決定區(qū)域生長的位置。 “最小區(qū)域”閥值的確定：如果生成的區(qū)域小于閥值，則拋棄。 生長區(qū)域的合并原則：如果一個像素同時屬于多個區(qū)域，則這些區(qū)域會被合并。6.3 區(qū)域生長法和分裂合并法31醫(yī)學圖像分割技術(shù)（1）區(qū)域生長法6.3 區(qū)域生長法和分裂合并法31醫(yī)學圖像分（1）區(qū)域生長法 區(qū)域生長法的優(yōu)點： 充分考慮圖像的局部特性，特別適用于分割小的結(jié)構(gòu)。6.3 區(qū)域生長法和分裂

17、合并法32醫(yī)學圖像分割技術(shù)（1）區(qū)域生長法6.3 區(qū)域生長法和分裂合并法32醫(yī)學圖像分（1）區(qū)域生長法 區(qū)域生長法實例：已知種子點：像素值為1 和5的種子；相似性準則：像素與種子像素灰度差的絕對值小于等于閾值 T； （b）: T=3，恰好分成兩個區(qū)域； （c）: T=1，有些像素無法判斷； （d）: T=6，整個圖被分成一個區(qū)域。6.3 區(qū)域生長法和分裂合并法33醫(yī)學圖像分割技術(shù)（1）區(qū)域生長法6.3 區(qū)域生長法和分裂合并法33醫(yī)學圖像分（1）區(qū)域生長法種子點：像素值為 6 的種子；相似性準則：相鄰像素與種子像素灰度差的絕對值小于等于閾值T2；6.3 區(qū)域生長法和分裂合并法34醫(yī)學圖像分割技術(shù)

18、（1）區(qū)域生長法6.3 區(qū)域生長法和分裂合并法34醫(yī)學圖像分（1）區(qū)域生長法f=im2double(f);maxT=0.05;g=zeros(size(f);seeds=*;for i=1:size(seeds,1) x=seeds(i,1);y=seeds(i,2); g=g+regiongrowing(f,x,y,maxT);endfigure,imshow(g);6.3 區(qū)域生長法和分裂合并法35醫(yī)學圖像分割技術(shù)（1）區(qū)域生長法6.3 區(qū)域生長法和分裂合并法35醫(yī)學圖像分function J=regiongrowing(I,x,y,growThresh)J=zeros(size(I);ImgSize=size(I);rgnMean=I(x,y)