matlab图像分割（肺实质）
图像分割
- 一、实验目的
- 二、实验环境
- 三、实验内容
-
- 阈值分割得到肺实质
- 边缘检测&感兴趣区域提取
一、实验目的
- 了解各类边缘的特点；
- 理解并掌握边缘检测的常用算子。
- 理解并掌握阈值分割，区域生长，分水岭等分割方法
- 能够运用以上方法解决实际的图像问题。
二、实验环境
MATLAB R2010b版本、WIN 7计算机
三、实验内容
读入一幅灰度图像CT.JPG，先分割肺实质区域，然后对感兴趣区域（ 包括肺结节、肺血管和支气管等）进行边缘检测（比较canny算子和marr-Hildreth算子），最后提取感兴趣区。给出每步的实验结果图，并对结果进行比较分析。
提示：肺实质的提取可以先对图像进行阈值处理（比较所学的阈值方法，采用最优的），得到二值图像，然后进行形态学操作得到肺实质模板，将模板和CT图像相乘分割得到肺实质图像。感兴趣区域的提取可以运用阈值分割，区域生长，分水岭等方法。
灰度图像CT.JPG
阈值分割得到肺实质
分割肺实质 代码。
- 肺实质提取
提取肺实质算法流程：
（1）全局阈值分割
（2）取反
（3）半径为13的圆形结构单元，进行闭运算
（4）取反
（5）孔洞填充
（6）掩膜相减
（7）用掩膜乘原图获得肺实质图像
%%手动阈值分割
clc
clear all;
close all;
[I,map]=imread('CT.jpg'); %读入图像
subplot(241);imshow(I),title('原始图像'); %显示图像
J=imhist(I);
subplot(242);imhist(I),title('直方图'); %生成直方图并显示
[M,N]=size(I); %返回图像的行数和列数
for i=1:1:M %将i以步长1从1增加到M
for j=1:1:N %将j以步长1从1增加到N
if I(i,j)>80 %如果图像阈值大于80
g(i,j)=0; %则大于80的就变成黑的
else g(i,j)=1; %小于80就变成白的
end
end
end
x=size(g,1); %此处分别获得该图片的长度和高度
y=size(g,2);
m=round(y/3); %此处进行三等分并取整，因为y/3不一定是整数
for i=1:1:x %此处开始三个循环将一个图片分为三个图片
for j=1:1:m
g1(i,j)=g(i,j);
end
end
subplot(243);imshow(g1),title('二值图像');
se2 = strel('disk',17); % 半径为17的圆形结构元
image2 = imclose(g1,se2);
subplot(2,4,4); imshow(image2); title('经半径为17的圆形结构元闭运算');
tI=~image2;%取反
subplot(2,4,5); imshow(tI); title('取反');
img_fill = imfill(tI, 'holes');
subplot(246),imshow(img_fill), title('孔洞被填充的图像');
img_jian=img_fill-tI;
subplot(247),imshow(img_jian), title('模板');
%% 掩膜*原图
Im=rgb2gray(imread('CT.jpg')); %读入图像
lung1=uint8(Im);
lung2=uint8(img_jian);
lung=immultiply(lung1,lung2);
subplot(248),imshow(lung), title('肺实质');
分割效果
边缘检测&感兴趣区域提取
- 边缘检测
边缘检测（比较canny算子和marr-Hildreth算子）
感兴趣区域的提取可以运用阈值分割，区域生长
代码。
%% 边缘检测
figure
I2=edge(lung,'log');
subplot(2,2,1);
imshow(I2);
title('log算子分割结果');
I3=edge(lung,'canny');
subplot(2,2,2);
imshow(I3);
title('canny算子分割结果');
Marr-Hildreth算子（LOG算子）没有Canny效果好，不过能够得到闭合的曲线，当然，计算量也比Canny小。LOG算子克服了Laplacian算子抗噪能力差的缺点，但在抑制噪声的同时也将原有的尖锐边缘平滑化了，造成尖锐边缘无法被检测出。Canny算子虽然是基于最优化思想而推导出来的，但是实际效果并不一定最优。同样采用高斯函数对图像平滑化，因此具有较强的抑制噪声能力，但也会将高频边缘平滑掉，造成边缘丢失。Canny算子采用双阈值算法检测和连接边缘，采用的多尺度检测和方向性搜索比LOG算子好。
- 阈值分割
通过下列代码选择特定区域观察其直方图，确定人工选定的阈值
%% 阈值分割提取感兴趣区域
[M,N]=size(lung); %返回图像的行数和列数
subplot(223),imshow(lung), title('肺实质');
rect=getrect();
B=imcrop(lung,rect);
subplot(224);imhist(B),title('直方图');
%% 人工选定阈值进行分割，选择阈值为68
figure
T1=68;
for i=1:1:M %将i以步长1从1增加到M
for j=1:1:N %将j以步长1从1增加到N
if lung(i,j)>T1 %如果图像阈值大于68
lg(i,j)=0; %则大于68的就变成黑的
else lg(i,j)=1; %小于68就变成白的
end
end
end
subplot(2,2,1);imshow(lg),title('肺血管'); %保持原图，显示图像g
阈值处理提取感兴趣的区域（手动阈值分割的阈值是取直方图中双峰的谷底的灰度值作为阈值，若有多个双峰谷底，则取第一个作为阈值），经过阈值分割后肺部血管和肺实质其他部分可以分隔开，但由于此法误差较大所以用来观察血管内是个否存在栓塞不够准确。
- 区域生长
通过下列代码作区域生长，提取感兴趣区域
%% 区域生长
J=regionGrow(lung);
imshow(J),title('区域生长');
%% 区域生长函数
function J=regionGrow(I)
if isinteger(I)
I=im2double(I);
end
figure
imshow(I)
[M,N]=size(I);
[y,x]=getpts;%单击取点后，按enter结束
x1=round(x);
y1=round(y);
seed=I(x1,y1);
J=zeros(M,N);
J(x1,y1)=1;
sum=seed;
suit=1;%点的个数
count=1;
threshold=0.15;
while count>0
s=0;
count=0;
for i=1:M
for j=1:N
if J(i,j)==1
if (i-1)>0&(i+1)<(M+1)&(j-1)>0&(j+1)<(N+1)
for u=-1:1
for v=-1:1
if J(i+u,j+v)==0&abs(I(i+u,j+v)-seed)<=threshold&1/(1+1/15*abs(I(i+u,j+v)-seed))>0.8
J(i+u,j+v)=1;
count=count+1;
s=s+I(i+u,j+v);
end
end
end
end
end
end
end
suit=suit+count;
sum=sum+s;
seed=sum/suit;
end
end
分割效果
考虑区域生长算法，将相似的像素点聚合成更大区域。分割图像时可以用鼠标在其中选取一个种子点并按下回车键，之后会出现分割结果。应用区域生长算法，可以对某段血管内是否有栓塞进行精细判断，但由于种子点选取原因，效率较慢。另外，区域生长对于该区域与外界区域有明显差距的图像，分割效果很好，而对感兴趣区域与外接区域存在边缘连通现象的图像，分割效果很差，如分割不完整、过分割等。