如何改善此代碼以移除圖像中的視盤？

Question

我的問題是，

1. 此代碼需要太長時間才能加載;
2. 某些其他圖像的視盤不起作用。

原始圖像顯示在代碼下面。

raw = imread('DDB (1).jpg') 
%%% ===============OPTIC DISC DETECTION================== 
adjusted1=imadjust(raw,[0.9 0.8 0; 1 0.9 0.3],[0.1 0.5]); %adjust color to violet for  more defined edges 
rgb=adjusted1; 
szeimg=size(rgb); 
width=szeimg(:,1)/2; 
k=ones(szeimg(1),szeimg(2)); 
whiteBG=double(k); 
[centersBright, radiiBright, metricBright] = imfindcircles(rgb,[fix(width*0.1) fix(width*0.4)],'ObjectPolarity','bright','Sensitivity',0.92,'EdgeThreshold',0.12); 
if isempty(radiiBright)==1; 
    [centersBright, radiiBright, metricBright] = imfindcircles(rgb,[fix(width*0.1) fix(width*0.4)],'ObjectPolarity','bright','Sensitivity',0.92,'EdgeThreshold',0.06); 
    if isempty(radiiBright)==1; 
     ODdetect=whiteBG; 
    else 
     ODdetect=insertShape(whiteBG,'FilledCircle',[centersBright(:,1), centersBright(:,2),radiiBright.*1.2],'Color','black','Opacity',1); 
    end 
else 
ODdetect=insertShape(whiteBG,'FilledCircle',[centersBright(:,1), centersBright(:,2),radiiBright.*1.2],'Color','black','Opacity',1); 
end 

Answer 1

我想可能是有幫助做一些更多的預處理，分離出視盤區域。在下面的代碼中，我使用了形態濾波（關閉刪除更精細的細節，強調邊緣的漸變）和閾值來實現。此處使用的結構元素大小和閾值適用於我從Google圖片搜索中找到的其他大小相似的圖片。您可能想要調整這些參數。希望這給出一些指針。

close all; 
clear all; 

im = imread('2.jpg'); 
cl = imclose(im, ones(7)); 

er = imerode(cl, ones(3)); 
di = imdilate(cl, ones(3)); 
grad3 = di - er; 
grad = double(grad3(:, :, 1)) + double(grad3(:, :, 2)) + double(grad3(:, :, 3)); 
bw = grad > graythresh(grad)*255*.2; 
bwcl = imclose(bw, ones(5)); 

figure, 
subplot(2, 2, 1), imshow(im), title('original') 
subplot(2, 2, 2), imshow(cl), title('closed') 
subplot(2, 2, 3), imshow(bw, []), title('edges') 
subplot(2, 2, 4), imshow(bwcl, []), title('closed edges') 

的一些結果：

編輯

我想我碰到要通過一些文獻（link而一個簡單的方法 - 只聚類部件，再次使用kmeans而不是提出的FCM，並調整樣本集的聚類數量）。以下是代碼和一些結果。我不是在提議這個問題作爲對問題的回答，而只是表明它是可行的。

close all; 
clear all; 

im = imread('1.jpg'); 
cl = imclose(im, ones(7)); 

red = im(:, :, 1); 
med = medfilt2(red, [15 15]); 
havg = fspecial('average', [15 15]); 
avg = imfilter(cl, havg); 

r = double(avg(:, :, 1)); 
g = double(avg(:, :, 2)); 
b = double(avg(:, :, 3)); 

x = [double(med(:)) r(:) g(:) b(:)]; 
idx = kmeans(x, 6); 
clust = reshape(idx, size(med)); 

一些結果：