肝脏的Matlab图像分割

Question

我在matlab中的图像分割中挣扎。我的目标是从ct扫描图像中提取肝脏。 。

我为这个样本图像提取肝脏，输出是这样的。 我的实现代码

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 

我的问题是，当我改变形象，肝段的RGB值可能会有所不同。 这里是其他样品图像

。

对于此图像每种颜色成分的rgb值从160到190不等（r，g & b）。请帮我解决问题。

这里是其他样品图像与rgb范围从110到180 。

请帮忙。

Answer 1

如果不使用固定的阈值，您可以尝试通过灰度级对图像进行聚类。作为一个预处理步骤，我会建议使用形态打开来使相邻像素的灰度级差异变小，这样在聚集图像中噪点就会减少。

下面我使用3x3环形内核对图像应用两个连续的形态开口，然后将k-均值聚类应用于灰度级。从您的示例图片和我在互联网上找到的一些图片中，我决定设置k = 4。如果您使用的是高分辨率图像，请首先将它们缩小到400-600的尺寸。否则，形态操作可能没有显着的效果，并且k-均值将会很慢。

下面是一些打开和分割的图像。当然，还有更多的在分离出肝区

概括这对大型数据集

的

• 方面做，但希望这至少是一个起点。

  我没有matlab，使代码在c++和opencv，但转换应该是简单的，因为它仅涉及形态学和集群业务，它应该是有点类似this。

  更新 您可能能够通过来自分割图像过滤出暗与最亮的区域，以缩小区域或利益。为此，请使用k-means聚类中心，检查极值（最大值和最小值），并从标记的图像中移除相应的k值。然后，您可以在结果图像的左侧查找大型结构。最糟糕的情况是，当极端区域过滤出错时，您可能会在左侧出现一个洞。我更新了代码和结果。

  

  OpenCV的C++代码

  // 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();