博客
关于我
【图像分割】心脏中心线提取
阅读量:274 次
发布时间:2019-03-01

本文共 886 字,大约阅读时间需要 2 分钟。

中心线提取是图像分割的重要步骤之一,中心线提取的好坏直接影响图像分割效果,因此研究中心线提取是很关键的问题

中心线提取大致分为五种:

一 基于拓扑细化的方法

使用形态学腐蚀操作来不断去除物体的边界,直到仅剩其骨架,由于该方法是一个迭代过程,所以会很耗时,且易受图像质量的影响。

二 基于距离变换的方法

通过定位距离物体边界最远的一组点来确定物体的中心线,通常采用欧式距离,可以理解为一系列最大内切球的球心构成了物体的中心线,有代表性的是基于边界的距离变换和基于源点的距离变换

三 基于路径规划的方法

应用于虚拟内窥和机器人路径规划

四 基于追踪的方法

通过判断管状物体的局部方向获得当前位置近似的中心线趋势,并结合图像中物体的局部信息,得到当前位置处物体横截面的中心点。缺点是在追踪过程中未考虑全局信息,会导致中心线提取不完整

clc;I = rgb2gray(imread ('22.bmp'));Id = double(I);%高斯滤波h = fspecial('gaussian',[3,3], 2);Ig = imfilter(Id, h);%多尺度血管骨架提取Ivessel = FrangiFilter2D(Ig);figure,imshow(Ivessel);%腐蚀se = strel('disk', 2);bw2 = imerode(Ivessel, se);%细化bw3 = bwmorph(bw2,'thin',inf);%消除垂直于血管走向的干扰bw4 = ThreeLinkFilter(bw3);%消除面积比较小的联通分支bw5 = bwareaopen(bw4, 256);figure,imshow(bw5);%与源图像叠加Iout = imadd(Id, double(bw5)*255);%显示结果figure,%imshow(Iout, [0, 255]);imshow(Ivessel, [0, 255]);

完整代码或者代写添加QQ1575304183

往期回顾>>>>>>

【图像增强】PSO寻优ACE的图像增强matlab源码

你可能感兴趣的文章
MAC M1大数据0-1成神篇-25 hadoop高可用搭建
查看>>
mac mysql 进程_Mac平台下启动MySQL到完全终止MySQL----终端八步走
查看>>
Mac OS 12.0.1 如何安装柯美287打印机驱动,刷卡打印
查看>>
MangoDB4.0版本的安装与配置
查看>>
Manjaro 24.1 “Xahea” 发布!具有 KDE Plasma 6.1.5、GNOME 46 和最新的内核增强功能
查看>>
mapping文件目录生成修改
查看>>
MapReduce程序依赖的jar包
查看>>
mariadb multi-source replication(mariadb多主复制)
查看>>
MariaDB的简单使用
查看>>
MaterialForm对tab页进行隐藏
查看>>
Member var and Static var.
查看>>
memcached高速缓存学习笔记001---memcached介绍和安装以及基本使用
查看>>
memcached高速缓存学习笔记003---利用JAVA程序操作memcached crud操作
查看>>
Memcached:Node.js 高性能缓存解决方案
查看>>
memcache、redis原理对比
查看>>
memset初始化高维数组为-1/0
查看>>
Metasploit CGI网关接口渗透测试实战
查看>>
Metasploit Web服务器渗透测试实战
查看>>
MFC模态对话框和非模态对话框
查看>>
Moment.js常见用法总结
查看>>