肝臟的Matlab圖像分割

Question

我在matlab中的圖像分割中掙扎。我的目標是從ct掃描圖像中提取肝臟。 。

我爲這個樣本圖像提取肝臟，輸出是這樣的。 我的實現代碼

function [] = Code4(image_file) 
image = imread(image_file);  
[height, width, planes] = size(image); 
rgb = reshape(image, height, width * planes); 
r = image(:, :, 1);    
g = image(:, :, 2);    
b = image(:, :, 3);    

% since r,g & b are of equeal values, we will be considering only r. 

mask=r>120 & r<140 ; % range of color component for liver 
labels = bwlabel(mask); 
id = labels(111, 200); 

% get the mask containing only the desired object 
liver = (labels == id); 
imagesc(liver); 
colorbar; 

end 

我的問題是，當我改變形象，肝段的RGB值可能會有所不同。 這裏是其他樣品圖像

。

對於此圖像每種顏色成分的rgb值從160到190不等（r，g & b）。請幫我解決問題。

這裏是其他樣品圖像與rgb範圍從110到180 。

請幫忙。

Answer 1

如果不使用固定的閾值，您可以嘗試通過灰度級對圖像進行聚類。作爲一個預處理步驟，我會建議使用形態打開來使相鄰像素的灰度級差異變小，這樣在聚集圖像中噪點就會減少。

下面我使用3x3環形內核對圖像應用兩個連續的形態開口，然後將k-均值聚類應用於灰度級。從您的示例圖片和我在互聯網上找到的一些圖片中，我決定設置k = 4。如果您使用的是高分辨率圖像，請首先將它們縮小到400-600的尺寸。否則，形態操作可能沒有顯着的效果，並且k-均值將會很慢。

下面是一些打開和分割的圖像。當然，還有更多的在分離出肝區

概括這對大型數據集

的

• 方面做，但希望這至少是一個起點。

  我沒有matlab，使代碼在c++和opencv，但轉換應該是簡單的，因爲它僅涉及形態學和集羣業務，它應該是有點類似this。

  更新 您可能能夠通過來自分割圖像過濾出暗與最亮的區域，以縮小區域或利益。爲此，請使用k-means聚類中心，檢查極值（最大值和最小值），並從標記的圖像中移除相應的k值。然後，您可以在結果圖像的左側查找大型結構。最糟糕的情況是，當極端區域過濾出錯時，您可能會在左側出現一個洞。我更新了代碼和結果。

  

  OpenCV的C++代碼

  // load image as gray scale 
  Mat im = imread("5.jpg", 0); 
  // morphological opening 
  Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3)); 
  Mat morph; 
  morphologyEx(im, morph, CV_MOP_OPEN, kernel, Point(-1, -1), 2); 
  // clustering 
  int k = 4; 
  Mat segment, lbl; 
  vector<float> centers; 
  morph.convertTo(segment, CV_32F); 
  int imsize[] = {segment.rows, segment.cols}; 
  Mat color = segment.reshape(1, segment.rows*segment.cols); 
  kmeans(color, k, lbl, TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10, 1.0), k, KMEANS_PP_CENTERS, centers); 
  lbl = lbl.reshape(1, 2, imsize); 
  
  // find argmin and argmax to find extreme gray level regions 
  int minidx = min_element(centers.begin(), centers.end()) - centers.begin(); 
  int maxidx = max_element(centers.begin(), centers.end()) - centers.begin(); 
  // prepare a mask to filter extreme gray level regions 
  Mat mask = (lbl != minidx)^(lbl == maxidx); 
  
  // only for display purposes 
  Mat lbldisp; 
  lbl.convertTo(lbldisp, CV_8U, 255.0/(k-1)); 
  Mat lblColor; 
  applyColorMap(lbldisp, lblColor, COLORMAP_JET); 
  // region of interest 
  Mat roiColor = Mat::zeros(lblColor.size(), CV_8UC3); 
  lblColor.copyTo(roiColor, mask); 
  
  imshow("opened", morph); 
  imshow("segmented", lblColor); 
  imshow("roi", roiColor); 
  waitKey();