从图像中分割相似强度的对象

Question

我正在研究Python和C ++中医学图像（特别是CT扫描）的分割。我已经成功地使用阈值处理，区域生长和形态学操作来从切片中成功地消除骨骼，空气和脂肪。剩下的主要问题是从肌肉分割重要器官，因为它们具有非常相似的强度并且经常彼此邻接。

例如，在下图中，看到一块肠与腹壁肌肉相邻：

所需的细分结果如下：

另一个可接受的细分如下：

我的问题是：我应该使用哪种分割算法来实现所需的分割结果？到目前为止，我已经尝试过：

• 阈值处理：不起作用，因为两个区域的强度太相似。
• 区域增长：不起作用，因为要分段的区域是“连接”的。
• Canny过滤器：无法在sigma的较大值处找到边缘，在较低的sigma值处断开边缘。
• 分水岭变换：导致严重过度分割的图像。没有合并区域的明确标准。
• 活动轮廓：无法在两个对象之间找到合适的边界。

任何指针都表示赞赏。

---

阈值过滤器

Canny过滤器

分水岭转换

Answer 1

我认为提取这些对象之间的边缘可以解决问题。由于可以看到图像上的边缘，因此对人类来说是难以辨认的，我会尝试应用高通滤镜/渐变检测，以便在尝试之前将边缘锐化为预处理步骤任何其他算法。之后可能会有一些膨胀/侵蚀关闭对象的边缘或删除不必要的垃圾和泛滥填充，下一步就可以完成工作。

另一种选择是 Hough变换 - 它可能能够提取该边缘，因为它能够提取细微的特征（例如Mathworks：http://www.mathworks.com/help/images/detect-lines-in-images.html）。

您还可以尝试阈值变化 - 将图像划分为子集（正方形），并根据像素的灰度级计算每个子集的系数包含（例如平均灰度级）。由于其中一个对象整体上比另一个略轻，因此可能有效 - 这两个对象在本地相似，但全局不同。您必须使用子集大小以及阈值（即系数值）。

编辑：我刚刚看到你上传的图片。在 Canny with sigma = 1 的结果上执行扩张以及侵蚀会不会解决问题？它会关闭边缘，从而分离物体 - 它不会100％准确，但会将这两个区域分开，或多或少地保持形状。