Ngưỡng thích ứng cho phân khúc gan bằng Matlab

Tôi cần phân chia gan từ hình ảnh CT bụng bằng cách sử dụng ngưỡng thích ứng. Nhưng tôi nhận được toàn bộ tiền cảnh tách biệt với nền. Tôi chỉ cần phần gan của tiền cảnh tách ra. Kiểm tra tệp pdf trong http://www.ijcaonline.org/casct/number1/SPE34T.pdf Tôi cần một đầu ra tương tự như trong Hình 6.

Tôi đính kèm mã hóa của tôi ở đây. Xin vui lòng giúp tôi ra.

%testadaptivethresh.m
clear;close all;
im1=imread('nfliver2.jpg');
bwim1=adaptivethreshold(im1,11,0.03,0);
figure,imshow(im1);
figure,imshow(bwim1);
imwrite(bwim1,'at2.jpg');

function bw=adaptivethreshold(IM,ws,C,tm)
%ADAPTIVETHRESHOLD An adaptive thresholding algorithm that seperates the
%foreground from the background with nonuniform illumination.
%  bw=adaptivethreshold(IM,ws,C) outputs a binary image bw with the local 
%   threshold mean-C or median-C to the image IM.
%  ws is the local window size.
%  tm is 0 or 1, a switch between mean and median. tm=0 mean(default); tm=1 median.
%
%  Contributed by Guanglei Xiong (xgl99@mails.tsinghua.edu.cn)
%  at Tsinghua University, Beijing, China.
%
%  For more information, please see
%  http://homepages.inf.ed.ac.uk/rbf/HIPR2/adpthrsh.htm

if (nargin<3)
    error('You must provide the image IM, the window size ws, and C.');
elseif (nargin==3)
    tm=0;
elseif (tm~=0 && tm~=1)
    error('tm must be 0 or 1.');
end

IM=mat2gray(IM);

if tm==0
    mIM=imfilter(IM,fspecial('average',ws),'replicate');
else
    mIM=medfilt2(IM,[ws ws]);
end
sIM=mIM-IM-C;
bw=im2bw(sIM,0);
bw=imcomplement(bw);

Mã sửa đổi của tôi cho testadaptivethresh.m

clear;
im=imread('nfliver7.gif');
figure,imshow(im)
bwim1=adaptivethreshold(im,300,-0.15,0);
bw=bwareaopen(bwim1,3000);
se=strel('diamond',4);
er=imerode(bw,se);
bw1=bwareaopen(er,3000);
er1=imerode(bw1,se);
bw2=bwareaopen(er1,1000);
fi=imfill(bw2,'holes');
figure,imshow(fi)

op=uint8(fi);
seg=im.*op;
figure,imshow(seg)
imwrite(seg,'sliver7.jpg');

Tôi thấy liên kết của bài báo (của SS Kumar) mà bạn đã giới thiệu và liên kết nơi bạn nhận được mã (HIPR) là hai thuật toán khác nhau - mặc dù cả hai âm thanh giống như Ngưỡng thích ứng

Đầu tiên tôi muốn nói với bạn sự khác biệt.

Trong phương thức HIPR, một giả định chung về cơ bản là hình ảnh cấp 2 lớp - tức là nền trước và nền. Trong bất kỳ ngưỡng 2 lớp nào, người ta mong đợi 2 đỉnh hoặc vùng trong biểu đồ hình ảnh, cụ thể là nền so với forground, văn bản so với giấy trắng. Nếu bạn bằng cách nào đó tìm thấy một điểm thung lũng tối ưu trong biểu đồ - bạn có được phân chia sạch nhất. Đây là cách biểu đồ có thể trông như thế nào:

Tuy nhiên, điểm thung lũng này có thể hơi thay đổi xung quanh địa phương. Có những ví dụ tốt về các biến thể ánh sáng được đưa ra ở đó. Do đó, điểm thung lũng tối ưu này tồn tại ở mọi nơi nhưng thay đổi không gian một chút, do đó một ngưỡng phổ quát sẽ thất bại. Do đó, điểm thung lũng (ngưỡng) được tính trên mọi khu vực địa phương.

Phương pháp của SS Kumar và đặc biệt hơn là loại hình ảnh bạn đang xử lý, là đa lớp (nhiều đối tượng với mỗi dải cường độ và độ lan tỏa khác nhau). Trong trường hợp này, biểu đồ là đa phương thức, nghĩa là nó có nhiều đỉnh và thung lũng và có lẽ mỗi đỉnh tương ứng với các đối tượng khác nhau, tuy nhiên nó có thể còn phức tạp hơn.

Biểu đồ có thể trông giống như thế này: (đây là hình ảnh giống như trên giấy).

Trong trường hợp này, cách tiếp cận 2 lớp trên sẽ đơn giản thất bại vì không có một thung lũng tốt. Đó là lý do tại sao hình ảnh đầu tiên bạn đăng lên trông giống như những chấm đen / trắng xung quanh.

Ý nghĩa của Ngưỡng thích ứng ở đây, ngụ ý rằng bạn cần xác định đỉnh chính xác và dải màu xám bao gồm hầu hết cường độ của đòn bẩy và các đối tượng khác ở độ tương phản rõ ràng cho phép

Những gì bạn nên làm?

Đầu tiên, nếu bắt buộc phải sử dụng ngưỡng thích ứng, hãy tìm biểu đồ và xem phạm vi cường độ nào và sau đó cho ngưỡng bên trái hoặc bên phải là các ranh giới cường độ mà các pixel nên được loại bỏ.

Ngoài ra, bạn có thể sử dụng thuật toán Vùng tăng trưởng hoặc tách và hợp nhất. Tham khảo câu hỏi này để biết một số thông tin: Phương pháp phân đoạn nào có thể được sử dụng cho các hình ảnh đơn giản?