图像分割 - 选择正确的阈值

时间:2014-04-24 12:12:53

标签: matlab image-processing image-segmentation

我正在开发脑肿瘤分割算法。直到现在,我可以正确地检测图像的肿瘤部分,然后使用阈值将它们分割出来。

对于光强度的肿瘤,使用平均值进行阈值处理,正确分割肿瘤。

Tumor1 segmented tumor

但是如果肿瘤的强度是暗的,那么使用均值的阈值不起作用(因为较亮的像素使得平均值更高)。

tumor2 segmented tumor

我应该使用哪种方法或代码,以便一段代码可以成功分割两种类型的肿瘤?

2 个答案:

答案 0 :(得分:1)

我使用具有期望最大化的生成方法研究了硕士论文中的神经胶质瘤分割。我的数据集包含4种不同的模式:T1合同增强MRI,T2加权MRI,FLAIR和PET扫描。
就其等级而言,肿瘤的外观可以是不同形式的高强度,低强度或等强度。

具有4种不同类别的EM算法:WM,GM,CSF和Tumor,在使用人脑图集时效果很好。 尽管始终很难获得一个与模板对齐的共同注册数据集,但该公开方法仍然得到了验证,并且对于大脑中不同类型的肿瘤非常准确。

EM算法在3DSlicer中作为EM-Segmenter实现,用于不同类别的人脑,肺或...

EM segmenter with Atlas

这是使用切片器的一项测试的结果:

tumor segmentation in slicer

答案 1 :(得分:0)

图形切割(或者是使用图形切割的方法之一的抓取)是一种流行的图像分割方法,  http://docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/py_grabcut/py_grabcut.html

但是如果你想让它完全自动化的话,你需要一些方法为前景/背景生成种子。