【《基于图像分割的理论基础综述》6800字】

⑹用自定义的函数percentile2i来计算灰度值I的对应指定的百分比。原始图像本身具有高斯噪声，由其直方图单峰可以知道，此时的图像分割是不可能进行操作的，使用基本全局阈值处理是失败的。因此，实验只能够用梯度幅值处理后，将图像进行明显的灰度级分离，把阈值处理接近模式的中点，这样就可以得到基本完美的图像分割。(b)(c)图2-9细胞分割结果图2-9(a)是用Otsu’s方法分割的图像，(b)是局部标准差图像，(c)是局部阈值处理后的图像。1.4.6基于局部统计的可变阈值处理当背景照明高度不均匀时，需要进行阈值处理的难度就增大，为了解决这个问题，运用局部统计的可变阈值处理的算法[]进行解决。用一幅图像中每个点的邻域中像素的标准差和均值，这是局部对比度和平均灰度的描述子。为了计算局部标准差，使用函数stdfilt进行操作：g=stdfilt(f,nhood)，为了计算局部均值，可以用函数localmean进行操作。通过实验发现图像可以分为三种灰度级，发现除了细胞核的部分，细胞核与细胞的灰度级差别并不是很大，因此当我们使用全局阈值处理时，不能将里面的细胞核与细胞分离开，得到的阈值处理如otsu方法分割图像所示。当实验使用局部可变的阈值处理时，计算出图像的局部标准差，可以将细胞与细胞核分离开，因此当再次使用阈值处理时可以完整的将细胞与细胞核分离开，获得最终的处理结果。1.4.7使用移动平均的图像阈值处理移动平均是一种局部阈值处理方法[]，该方法以一幅图像的扫描行计算移动平均为基础。移动平均分割能减少光照偏差，且计算简单。当感兴趣的物体与图像尺寸相比较小(或较细)时，基于移动平均的阈值处理会工作的很好。打印图像和手写文本图像满足这一条件。移动平均需要计算图像中每一个点，因此分割函数如下：(2-9)(d)(e)(f)(h)(i)(g)图2-10移动平均的图像阈值处理通过对比得知，移动平均的图像阈值处理适用于处理打印图像和手写文本图像这种类型。对比房子的移动平均处理看出，最后所获得的图像不是实验所需要的图像，因此这种方法并不适用于这种图像处理。在处理手写文本图像的时候，经过局部移动平均阈值处理后，所获得的结正是我们所需要的。图2-10是针对两组不同的凸进行移动平均的图像阈值处理。(d)和(h)分别是原图(f)和(g)是目标结果图。(e)和(i)是用Otsu’s方法全局阈值分割后的图像。1.5使用分水岭变换的分割以肿瘤为例，当器官的病变组织和健康部分连接在一起，此时采用分水岭分割算法，可以将二者区分开来。需要注意的是分割结果必须要根据种子区域，以减小过分割造成的影响。1.5.1使用距离变换的分水岭分割实际应用中最常用的分水岭变换分割的是距离变换，主要是用于二值图像的处理，它是指从每个像素到最接近零值的像素的距离。1.5.2使用梯度的分水岭分割梯度处理是在分水岭变换之前的预处理，它将沿着物体的边缘有较高的像素值，而在其他地方的像素值比较低。当梯度的分水岭分割时，所获得的图像基本上满足实验的效果，但由于严重的过度分割后，图像已不再是需要得到的效果，使得图像分割没有意义了。使用平滑梯度图像的分水岭分割后，虽然产生了一些缺陷（图像上会被一些类似噪声污染），但没有影响图像的分割效果。基于梯度的分水岭分割法是修改梯度函数使得集水盆只响应想要探测的目标，再对梯度图像进行阈值处理，以消除灰度的微小变化产生的过度分割。1.5.3使用控制标记符的分水岭分割考虑到直接用梯度来进行分水岭操作变换时[]，会造成医学影像中器官的多重分割，为了改善这样的状况，可以采用基于标记符的方式进行分割。当直接的使用梯度幅度方法来进行分割时的处理时，发现图像过度分割非常严重，而这样的分割是没有意义