医学图像分割

医学图像分割-----《医学图像处理与分析》第二版
主要流程:医学图像分割概念、几种医学分割技术、图像分割常用的形态学运算和边界跟踪技术‘
概念：
根据某种均匀（一致）性的原则将图像分割成若干有意义的部分，使得每一部分都符合某种一致性的要求，而任意两个相邻部分的合并都会破坏这种一致性。可归结为图像像素点的分类问题。
边缘检测技术：图像分割的重要手段：基于物体和背景之间在灰度（或纹理）特性上存在着某种不连续性（或突变性）。
对图像的微分运算可检测图像边缘像素点处的不连续程度
几种分割技术：
全局阈值法： (假设基本由感兴趣部分和背景两部分组成)
观察图像直方图（加权谷底更明显），谷底为阈值。
大津阈值分割：（可自动寻找阈值，对图像进行划分）
分割成的两组间方差最大时决定阈值。
微分算子边缘检测：
概念：基于物体与背景之间在灰度（或纹理）特性上的某种不连续性（或突变性）进行的检测技术。
（1） 灰度梯度及Prewitt模板
连续图像 微分运算 反应该点边缘强度
离散图像 差分运算 反应该店边缘强度 可得到阈值
Prewitt模板：
检测垂直方向边缘： 检测水平方向：
1 0 -1 -1 0 1 1 1 1 -1 -1 -1
Pyi= 1 0 -1 或Py2= -1 0 1 Px1= 0 0 0 Px2= 0 0 0
1 0 -1 -1 0 1 -1 -1 -1 1 1 1
Robert交叉算子：
普通边缘检测的是水平或垂直方向上的灰度梯度，Pobert算子检测的是45°角或135°角方向上的灰度梯度。
使用时看被分割图像的边缘走向。
模板:
R1= -1 0 R2= 0 1
0 1 -1 0
Sobel算子:
-1 0 1 1 2 1
垂直方向S1= -2 0 2 水平方向S2= 0 0 0
-1 0 1 -1 -2 -1
g1(x,y)>tH,则在（x,y）处垂直方向有边缘通过；同理，g2(x,y)>tH,则在(x,y)处水平方向上有边缘通过。
Kirsch算子
对像素(x,y)考察其临近8个点，用3个相邻点的加权减去剩下5个相邻点的加权和，并令3邻点环绕(x,y)移位。经多次计算，去其中差值最大者。
区域增长技术：
求图像中相邻像素的最大连通集合，通过合并相邻的相似像素来实现。
1. 基于局部区域一致性的区域分割：
将一幅图像分成许多小区域（甚至是单个像素），经过适当定义，反应隶属关系。用于区分不同物体内像素的性质包括平均灰度、纹理、颜色信息。第一步赋给每个区域一组参数，这些参数反应区域属于哪个物体，后对相邻区域的所有边界进行考察，相邻区域之间的平均度量之间的差异是计算边界强度的一个尺度，度量差异足够强，则边界强，反之弱，强边界允许存在，弱边界被相邻区域合并。当没有可以合并的区域时，检测结束。
具体过程：
(1) 选种子点n=1；一般种子点取在中间，且种子点邻域比较平滑。可用手工、自动、半自动方式选取
(2) 检查种子点邻域，计算邻域灰度平均值和标准差
(3) 符合公式的为种子点，否则不是
(4) 若再没有新增点则结束
(5) 令n=n+1,种子点邻域扩大，转向（2）
2. 登山法：一种变形的区域分割技术（应用于低对比度微钙化点群的分割、分割心室血管造影图像中提取血管及脑中提取脑图像）
待分割的微钙化点的边缘是围绕局部灰度极大值的已知像素（x0,y0）周围的闭合轮廓线。
过程:
(1) 从局部最大值开始的16个方向进行搜索，遇到最大斜率值为边缘。后以这些边缘为种子点进行生长，约束条件为，空间：朝局部区域极大值，灰度：朝向局部灰度极大值灰度方向
3. 分水岭法
引例：地理学中，分水岭是山脊，山脊两侧分布着不同水系，汇水盆地是水排入河流或水库等的地理区域，分水岭变换将这些概念引入到灰度级图像处理中，分水岭变换在灰度图像中找到汇水盆地和边界线，汇水盆地为目标区域，以此解决图像分割问题。
根据面向应用的该物体的知识，对图像进行手工或自动选择标记，后用形态学分水岭变换进行区域分割。
应用：处理灰度较近，互相连接、边界模糊的目标。
一般实现方法:
(1) 模糊目标区域内选取一种子点;
(2) 在目标区域外部画圆，将目标物包围
(3) 边缘算子提取边缘
(4) 分水岭分继续分割
(5) 分割后图像与原图叠加
最为实用的为控制标记符的分水岭分割。
未完待续