用于肝脏的Matlab图像分割

Question

我在使用matlab进行图像分割时遇到了困难。我的目标是从ct扫描图像中提取肝脏。 。

我为此样本图像提取了肝脏，输出结果如下。 我的实现代码是

function [] = Code4( image_file )
image = imread(image_file);       
[height, width, planes] = size(image);
rgb = reshape(image, height, width * planes);
r = image(:, :, 1);             
g = image(:, :, 2);             
b = image(:, :, 3);             

% since r,g & b are of equeal values, we will be considering only r.

mask=r>120 & r<140 ;  % range of color component for liver
labels = bwlabel(mask);
id = labels(111, 200);

% get the mask containing only the desired object
liver = (labels == id);
imagesc(liver);
colorbar;

end

我的问题是当我改变图像时，肝脏部分的rgb值可能不同。 这是其他样本图像

对于该图像，对于每种颜色成分（r，g和b），rgb值从160变化到190。请帮我解决问题。

这是rgb范围从110到180的其他样本图像

请帮忙。

Answer 1

如果不使用固定阈值，您可以尝试按灰度级对图像进行聚类。作为预处理步骤，我建议使用形态学开放来使相邻像素的灰度级差异变小，这样您在聚类图像中的噪声就会减少。

下面我使用3x3圆形内核将两个连续的形态学开口应用于图像，然后将k均值聚类应用于灰度级。从您的示例图片和我在互联网上找到的一些图片，我决定设置k = 4。如果您使用的是高分辨率图像，请首先将它们下采样到尺寸~400-600。否则，形态学操作可能没有显着的影响，而k-means将会很慢。

下面是一些已打开和分段的图像。当然，在

方面还有更多工作要做

• 分离出肝脏区域
• 将其概括为大型数据集

但希望这至少是一个起点。

我没有matlab，因此代码位于c++和opencv，但转换应该很简单，因为它只涉及形态和群集操作，它应该有点类似于this。

<强>更新 您可以通过从分割图像中滤除最暗和最亮的区域来缩小区域或兴趣。为此，使用k-means聚类中心，检查极值（最大值和最小值）并从标记图像中删除相应的k值。然后，您可以在结果图像的左侧查找大型结构。最坏的情况是，当极端区域过滤出错时，您可能会在左侧出现一个洞。我已经更新了代码和结果。

opencv c ++ code

// load image as gray scale
Mat im = imread("5.jpg", 0);
// morphological opening
Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
Mat morph;
morphologyEx(im, morph, CV_MOP_OPEN, kernel, Point(-1, -1), 2);
// clustering
int k = 4;
Mat segment, lbl;
vector<float> centers;
morph.convertTo(segment, CV_32F);
int imsize[] = {segment.rows, segment.cols};
Mat color = segment.reshape(1, segment.rows*segment.cols);
kmeans(color, k, lbl, TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10, 1.0), k, KMEANS_PP_CENTERS, centers);
lbl = lbl.reshape(1, 2, imsize);

// find argmin and argmax to find extreme gray level regions
int minidx = min_element(centers.begin(), centers.end()) - centers.begin();
int maxidx = max_element(centers.begin(), centers.end()) - centers.begin();
// prepare a mask to filter extreme gray level regions
Mat mask = (lbl != minidx) ^ (lbl == maxidx);

// only for display purposes
Mat lbldisp;
lbl.convertTo(lbldisp, CV_8U, 255.0/(k-1));
Mat lblColor;
applyColorMap(lbldisp, lblColor, COLORMAP_JET);
// region of interest
Mat roiColor = Mat::zeros(lblColor.size(), CV_8UC3);
lblColor.copyTo(roiColor, mask);

imshow("opened", morph);
imshow("segmented", lblColor);
imshow("roi", roiColor);
waitKey();