在matllab

Question

我试图在下面的图片上执行细分任务。

我使用模糊c-means进行一些最小的预处理。分割将有3个类：背景（蓝色区域），肉类（红色区域）和脂肪（白色区域）。背景分割效果很好。然而，照片左侧的肉和脂肪分割将许多肉类组织映射为脂肪。最后的肉面膜是这样的：

我怀疑这是因为照明条件会使左侧更亮，因此算法会将该区域归类为胖级。另外我认为如果我能以某种方式使表面更平滑，可能会有一些改进。我使用了6x6中值滤波器，它可以正常工作，但我可以接受新的建议。有什么建议如何克服这个问题？可能是某种平滑？ 谢谢:)）

编辑1： 脂肪区域大致标在下面的照片中。顶部区域含糊不清，但正如rayryeng在评论中提到的那样，如果对我来说它是一个模糊的人类，那么算法也可以对它进行错误分类。但左手部分显然都是肉，而算法将其中很大一部分分配为脂肪。

Answer 1

分割中的第一条规则是＆＃34;尝试描述你（作为一个人）如何能够进行分割＆＃34;。一旦你这样做，算法就变得清晰了。 换句话说，您必须执行以下2个任务：

1. 确定每个分段部分的独特功能（在您的情况下 - 脂肪和肉之间有什么区别）。
2. 选择最适合您的分类器（C-means，神经网络，SVM，决策树，Boosted分类器等）。此分类器将对步骤1中选择的功能进行操作

您似乎跳过了第1步，这是您算法的问题。

以下是我的观察：

1. 像素的亮度不区分肉和脂肪。它主要取决于照射，组织角度和镜面反射。所以你必须消除亮度
2. 似乎脂肪更多＆＃34;黄色＆＃34;。换句话说，肉的红色/绿色比例远高于脂肪。这是我开始实现的功能。要获取该功能，请将RGB图像转换为YUV或HSV色彩空间。如果使用YUV，则完全丢弃Y并在V平面上运行分类器。在HSV中，它在H平面上运行。这样您就会丢弃亮度并仅处理颜色（主要是红色和绿色成分）。我建议也使用这些颜色空间进行背景分离。
3. 下一步 - 您应该为分类器添加更多功能，因为颜色不够。另一个观察结果是，肉是一种更灵活的组织，因此它会有更多的皱纹，脂肪往往更加光滑。您可以搜索边缘并将绝对边数插入分类器中作为另一个特征。
4. 继续观察您的结果，确定分类器出错的位置，并尝试提出其他新功能以更好地分离两个纹理。在您的情况下可能非常好的功能示例：HOG，图像金字塔上的LBP，MCT功能，三个补丁lbp，（x，y） - 投影。我的直觉低声说三贴片lbp会对你有所帮助，但我很难解释原因。
5. 个人建议：我不知道Matlab中实现了哪些功能。但是你应该从已经存在的功能开始，以节省编写大量新代码的时间。例如，我知道HAAR功能已经在matlab中实现，但是对于您的情况，它们可能不够具有描述性。结合几种类型的功能以获得最强的结果并避免使用重叠功能（两种不同的功能可捕获图像中几乎相同的信息）。例如 - 如果您使用MCT，请不要使用LBP。

有关详细信息，您可以阅读我关于纹理相似性的答案here。你有一个反向问题（而不是测量相似性，你想训练一个区分非相似纹理的分类器）。但解决方案的框架是相同的。确定区分纹理的重要特征，将特征连接到矢量并运行分类器。您可以在每个像素或小区域的图像块（例如5x5像素）上运行分类器。您期望的结果是训练这样一个智能分类器，对于图像中的每个补丁，它可以告诉您它是否更像是一块肉或脂肪

Answer 2

如果没有输出标签，则需要应用无监督学习算法进行分类。 对于许多图像，人眼并不是进行分类的理想工具。这就是为什么我们使用计算机：D的原因，因为它可以显示强度的分布并提供不同的类。 一种替代方法是使用连接的组件来识别和分离脂肪肉和BG类，因为它们的强度完全不同，除了均值和脂肪之间的边缘。

您可以看到具有不同参数的基于阈值的细分的输出。请告诉我您是否要这样做，以便我为您提供代码支持。 最佳