从分段输出构建训练图像的最有效方法是什么?

时间:2016-05-10 08:47:44

标签: matlab image-processing deep-learning training-data watershed

我想从分水岭变换输出中训练图像,以便在每个单元格中都有一个图像片段。我怎样才能以最有效的方式做到这一点?

更多细节: 假设L是分水岭分割的输出:

L =

 1     1     2
 1     0     2
 1     2     2
 0     0     2
  • 0是背景
  • 1是段号1,2是段号2,依此类推。

我想构建一个包含两个图像的单元格,每个图像都包含一个段:

cell1=

1     1 
1     0 
1     0 

cell2=

0     2 
0     2 
2     2
0     2 

我知道我可以用一些for循环和条件来做,但是我需要一个具有最佳计算成本的解决方案。也许Matlab有这个任务的内置功能吗?

3 个答案:

答案 0 :(得分:2)

可以通过以下一个linner来完成; - )

U = regionprops(L, 'Image')

解决方案之间的比较(L是1200x1600像素图像):

>> tic;
for index=1:100
U = regionprops(L, 'Image');
end
toc;

经过的时间 20.138794 秒。

>>tic;
for index=1:100
N = max(L(:)); %//number of segments
C = cell(N,1); %//create Cell Array
[height, width] = size(L); %//get dimensions of image

for target=1:N %//for each segment..

    %//search column-wise to get first and last column index
    col_start = ceil(find(L==target,1)/height);
    col_end = ceil(find(L==target,1,'last')/height);

    %//search row-wise to get first and last row index
    row_start = ceil(find(L.'==target,1)/width);
    row_end = ceil(find(L.'==target,1,'last')/width);

    T = L(row_start:row_end , col_start:col_end); %//image segment of bounding box
    T(T~=target) = 0; %//set non-targets to 0

    C{target} = T; %//add to cell array

end;
end
toc;

经过的时间 300.744868 秒。

>> tic;
for index=1:100
u = unique(L(:));
B = arrayfun(@(x) removePadding(L, x)*2, u(2:end), 'UniformOutput', false);
end
toc;

经过的时间 182.193148 秒。

答案 1 :(得分:1)

由于您要求有效的方法,我认为以下解决方案应该很好地工作。虽然它使用1 for-loop,但它只会循环N次,而N是分水岭变换输出中的number of segments,对于图像分割来说通常非常低(N = 2)例子)。

N = max(L(:)); %//number of segments
C = cell(N,1); %//create Cell Array
[height, width] = size(L); %//get dimensions of image

for target=1:N %//for each segment..

    %//search column-wise to get first and last column index
    col_start = ceil(find(L==target,1)/height);
    col_end = ceil(find(L==target,1,'last')/height);

    %//search row-wise to get first and last row index
    row_start = ceil(find(L.'==target,1)/width);
    row_end = ceil(find(L.'==target,1,'last')/width);

    T = L(row_start:row_end , col_start:col_end); %//image segment of bounding box
    T(T~=target) = 0; %//set non-targets to 0

    C{target} = T; %//add to cell array

end

答案 2 :(得分:1)

我在这里写了一个干净/简短解决方案,但我不知道它是否比林肯的那个更快或更慢。只需使用tic/toc尝试自己。

function A = removePadding(L, x) 
  A = (L==x); 
  A(all(A == 0, 2), :)=[]; 
  A(:, all(A == 0, 1))=[]; 
end

L = [1 1 2;1 0 2; 1 2 2; 0 0 2];
u = unique(L(:))
arrayfun(@(x) removePadding(L, x)*2, u(2:end), 'UniformOutput', false)

将输出:

ans =
{
  [1,1] =

     1   1
     1   0
     1   0

  [2,1] =

     0   2
     0   2
     2   2
     0   2

}

注意:函数removePadding将删除仅包含零的所有行/列。这意味着如果一个区域无法连接,它将无法工作,因为中间的行/列也将被删除。但我认为这不会发生在您的情况下,因为如果该区域完全连接,分水岭(IMO)将仅返回相同的区域索引(例如,区域1为1)。

SPEEDTEST: 首先,定义L和我的函数。 现在测试:

>> tic; 
for i = 1:1000
  u = unique(L(:));
  B = arrayfun(@(x) removePadding(L, x)*2, u(2:end), 'UniformOutput', false);
end
>> toc
Elapsed time is 4.89563 seconds.

现在您可以复制此测试片段并对其进行修改,以检查林肯计算的速度。

EDIT2:我将Lincolns解决方案定义为C = myFun(L),然后再次运行速度测试:

>> tic;
>> for i = 1:1000
  B = myFun(L);
end
>> toc
Elapsed time is 1.01026 seconds.

似乎更快:-)即使使用for循环。