У меня есть изображение вены, как показано ниже. Я использую алгоритм водораздела для извлечения скелета вены.
Мой код: (K - исходное изображение).
level = graythresh(K);
BW = im2bw(K,level);
D = bwdist(~BW);
DL = watershed(D);
bgm = DL == 0;
imshow(bgm);
Результат:
Как видите, много информации теряется. Кто-нибудь может мне помочь? Спасибо.
Кажется, что освещение несколько неравномерно. Это можно исправить с помощью определенных морфологических операций. Основная идея состоит в том, чтобы вычислить изображение, представляющее только неравномерное освещение, и вычесть его или разделить на него (что также увеличивает контраст). Поскольку мы хотим найти только освещение, важно использовать достаточно большой структурирующий элемент, чтобы операция исследовала больше глобальных свойств, чем локальных.
%# Load image and convert to [0,1].
A = im2double(imread('http://i.stack.imgur.com/TQp1i.png'));
%# Any large (relative to objects) structuring element will do.
%# Try sizes up to about half of the image size.
se = strel('square',32);
%# Removes uneven lighting and enhances contrast.
B = imdivide(A,imclose(A,se));
%# Otsu's method works well now.
C = B > graythresh(B);
D = bwdist(~C);
DL = watershed(D);
imshow(DL==0);
Вот C (слева), плюс DL==0 (в центре) и их наложение на исходное изображение:
64 вместо 32. Какой размер лучше всего подходит, будет определяться размером разнородных частей изображения.
- person reve_etrange; 16.04.2012
Вы теряете информацию, потому что, применяя im2bw, вы фактически конвертируете изображение uint8, где яркость пикселей принимает значение от intmin('uint8')==0 до intmax('uint8')==255, в бинарное изображение (где используются только значения logical). Именно это и влечет за собой потерю информации, которую вы наблюдали. Если вы отобразите изображение BW, вы увидите, что все элементы K, значение которых превышает пороговое значение level, превращаются в единицы, а те, что ниже порогового значения, превращаются в нули.
Да, скорее всего, вам придется снизить порог (ниже, чем дает вам метод Оцу). И если карта ребер зашумлена, когда вы снижаете пороговое значение, вы должны применить 2-мерный фильтр сглаживания по Гауссу, прежде чем понижать пороговое значение. Это немного сдвинет края, но также уберет шум, так что это компромисс.
2-D Gaussian можно применить, делая что-то вроде
w=gausswin(N,Alpha) % you'll have to play with N and alpha
K = imfilter(K,w,'same','symmetric'); % something like these options
Прежде чем применить остальную часть вашего алгоритма.
