水平集LevelSet 分割图像

1、水平集的是一个很好的分割算法，其使用比较多的是医学图像领域。其有一些有点也有一些缺点

其会计算图片的前景灰度、背景灰度。前景是灰度值大的目标，如果前景目标太小，则会导致其分割的不准确。其算法原理跟大津算法类似。其分割可以补偿一点缺失的边缘，这个特性很适合医学图像领域，因为医学图像很多噪点，边缘不明确的现象，还有一个优点是分割速度快。下面是一些例子：

分割成功并补偿了缺失边缘的：

分割失败：

灯光条太小，其分割成的是整张图

下面是水平集的原代码：

levelset.hpp

#include <vector>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;class LevelSet
{
public:LevelSet();~LevelSet();//基本参数  int m_iterNum;      //迭代次数  float m_lambda1;    //全局项系数  float m_nu;     //长度约束系数ν  float m_mu;     //惩罚项系数μ  float m_timestep;   //演化步长δt  float m_epsilon;    //规则化参数ε  //过程数据  Mat m_mImage;       //源图像  int m_iCol;     //图像宽度  int m_iRow;     //图像高度  int m_depth;        //水平集数据深度  float m_FGValue;    //前景值  float m_BKValue;    //背景值  //初始化水平集  void initializePhi(Mat img,  //输入图像  int iterNum, //迭代次数  Rect boxPhi);//前景区域  void EVolution();   //演化  Mat m_mPhi;     //水平集：φ
protected:Mat m_mDirac;       //狄拉克处理后水平集：δ（φ）  Mat m_mHeaviside;   //海氏函数处理后水平集：Н（φ）  Mat m_mCurv;        //水平集曲率κ=div(▽φ/|▽φ|)  Mat m_mK;       //惩罚项卷积核  Mat m_mPenalize;    //惩罚项中的▽<sup>2</sup>φ  void Dirac();       //狄拉克函数  void Heaviside();   //海氏函数  void Curvature();   //曲率  void BinaryFit();   //计算前景与背景值
};

levelset.cpp

#include<iostream>
#include<opencv.hpp>
#include"levelset.hpp"
using namespace std;
using namespace cv;LevelSet::LevelSet()
{m_iterNum = 300;m_lambda1 = 1;m_nu = 0.001 * 255 * 255;m_mu = 1.0;m_timestep = 0.1;m_epsilon = 1.0;
}LevelSet::~LevelSet()
{
}void LevelSet::initializePhi(Mat img, int iterNum, Rect boxPhi)
{//boxPhi是前景区域  m_iterNum = iterNum;cvtColor(img, m_mImage, CV_BGR2GRAY);m_iCol = img.cols;m_iRow = img.rows;m_depth = CV_32FC1;//显式分配内存  m_mPhi = Mat::zeros(m_iRow, m_iCol, m_depth);m_mDirac = Mat::zeros(m_iRow, m_iCol, m_depth);m_mHeaviside = Mat::zeros(m_iRow, m_iCol, m_depth);//初始化惩罚性卷积核  m_mK = (Mat_<float>(3, 3) << 0.5, 1, 0.5,1, -6, 1,0.5, 1, 0.5);int c = 2;for (int i = 0; i < m_iRow; i++){for (int j = 0; j < m_iCol; j++){if (i<boxPhi.y || i>boxPhi.y + boxPhi.height || j<boxPhi.x || j>boxPhi.x + boxPhi.width){m_mPhi.at<float>(i, j) = -c;}else{m_mPhi.at<float>(i, j) = c;}}}
}void LevelSet::Dirac()
{//狄拉克函数  float k1 = m_epsilon / CV_PI;float k2 = m_epsilon*m_epsilon;for (int i = 0; i < m_iRow; i++){float *prtDirac = &(m_mDirac.at<float>(i, 0));float *prtPhi = &(m_mPhi.at<float>(i, 0));for (int j = 0; j < m_iCol; j++){float *prtPhi = &(m_mPhi.at<float>(i, 0));prtDirac[j] = k1 / (k2 + prtPhi[j] * prtPhi[j]);}}
}void LevelSet::Heaviside()
{//海氏函数  float k3 = 2 / CV_PI;for (int i = 0; i < m_iRow; i++){float *prtHeaviside = (float *)m_mHeaviside.ptr(i);float *prtPhi = (float *)m_mPhi.ptr(i);for (int j = 0; j < m_iCol; j++){prtHeaviside[j] = 0.5 * (1 + k3 * atan(prtPhi[j] / m_epsilon));}}
}void LevelSet::Curvature()
{//计算曲率  Mat dx, dy;Sobel(m_mPhi, dx, m_mPhi.depth(), 1, 0, 1);Sobel(m_mPhi, dy, m_mPhi.depth(), 0, 1, 1);for (int i = 0; i < m_iRow; i++){float *prtdx = (float *)dx.ptr(i);float *prtdy = (float *)dy.ptr(i);for (int j = 0; j < m_iCol; j++){float val = sqrtf(prtdx[j] * prtdx[j] + prtdy[j] * prtdy[j] + 1e-10);prtdx[j] = prtdx[j] / val;prtdy[j] = prtdy[j] / val;}}Mat ddx, ddy;Sobel(dx, ddy, m_mPhi.depth(), 0, 1, 1);Sobel(dy, ddx, m_mPhi.depth(), 1, 0, 1);m_mCurv = ddx + ddy;
}void LevelSet::BinaryFit()
{//先计算海氏函数  Heaviside();//计算前景与背景灰度均值  float sumFG = 0;float sumBK = 0;float sumH = 0;//float sumFH = 0;  Mat temp = m_mHeaviside;Mat temp2 = m_mImage;float fHeaviside;float fFHeaviside;float fImgValue;for (int i = 1; i < m_iRow; i++){float *prtHeaviside = &(m_mHeaviside.at<float>(i, 0));uchar *prtImgValue = &(m_mImage.at<uchar>(i, 0));for (int j = 1; j < m_iCol; j++){fImgValue = prtImgValue[j];fHeaviside = prtHeaviside[j];fFHeaviside = 1 - fHeaviside;sumFG += fImgValue*fHeaviside;sumBK += fImgValue*fFHeaviside;sumH += fHeaviside;}}m_FGValue = sumFG / (sumH + 1e-10);         //前景灰度均值  m_BKValue = sumBK / (m_iRow*m_iCol - sumH + 1e-10); //背景灰度均值
}
Mat showIMG;
void LevelSet::EVolution()
{float fCurv;float fDirac;float fPenalize;float fImgValue;for (int i = 0; i < m_iterNum; i++){Dirac();Curvature();BinaryFit();filter2D(m_mPhi, m_mPenalize, m_depth, m_mK, Point(1, 1));//惩罚项的△φ  for (int i = 0; i < m_iRow; i++){float *prtCurv = &(m_mCurv.at<float>(i, 0));float *prtDirac = &(m_mDirac.at<float>(i, 0));float *prtPenalize = &(m_mPenalize.at<float>(i, 0));uchar *prtImgValue = &(m_mImage.at<uchar>(i, 0));for (int j = 0; j < m_iCol; j++){fCurv = prtCurv[j];fDirac = prtDirac[j];fPenalize = prtPenalize[j];fImgValue = prtImgValue[j];float lengthTerm = m_nu* fDirac * fCurv;                    //长度约束  float penalizeTerm = m_mu*(fPenalize - fCurv);                  //惩罚项  float areaTerm = fDirac * m_lambda1 *                       //全局项  (-((fImgValue - m_FGValue)*(fImgValue - m_FGValue))+ ((fImgValue - m_BKValue)*(fImgValue - m_BKValue)));m_mPhi.at<float>(i, j) = m_mPhi.at<float>(i, j) + m_timestep*(lengthTerm + penalizeTerm + areaTerm);}}//显示每一次演化的结果  //return showIMG;}cvtColor(m_mImage, showIMG, CV_GRAY2BGR);Mat Mask = m_mPhi >= 0;   //findContours的输入是二值图像  dilate(Mask, Mask, Mat(), Point(-1, -1), 3);erode(Mask, Mask, Mat(), Point(-1, -1), 3);vector<vector<Point> > contours;findContours(Mask,contours,// 轮廓点  RETR_EXTERNAL,// 只检测外轮廓  CHAIN_APPROX_NONE);// 提取轮廓所有点  drawContours(showIMG, contours, -1, Scalar(255, 0, 0), 2);namedWindow("Level Set后图像");imshow("Level Set后图像", showIMG);waitKey(1);
}
void main()
{Mat img = imread("0.jpg");imshow("原图", img);LevelSet ls;VideoCapture cap;cap.open(0);cap.set(CV_CAP_PROP_FRAME_WIDTH, 2048);cap.set(CV_CAP_PROP_FRAME_HEIGHT, 1536);for (;;){cap >> img;resize(img, img, Size(img.cols / 8, img.rows / 8));imshow("原图", img);Rect rec(0, 0, img.cols, img.rows);ls.initializePhi(img, 30, rec);ls.EVolution();}//imshow("Level Set后图像", showIMG);waitKey(0);
}

水平集LevelSet 分割图像相关推荐

水平集LevelSet的使用问题
1.水平集的是一个很好的分割算法,其使用比较多的是医学图像领域.其有一些有点也有一些缺点其会计算图片的前景灰度.背景灰度.前景是灰度值大的目标,如果前景目标太小,则会导致其分割的不准确.其算法原理跟 ...
水平集详解与代码分析二
上一节我们分析了CV模型的原理并列出了演化公式,这一节我们将通过该公式编写CV模型的C++代码,代码调用了opencv库的一些函数,可以根据自己使用的版本更改.代码一一对应公式里的各项系数. 头文件. ...
基于水平集的图像分割方法
一.引言借鉴一些流体中的重要思想, 1988年,Osher和Sethian首次提出了水平集算法[1],这是一种有效解决曲线演化问题的数值方法,并且计算稳定,适宜任意维数空间.随后,Osher等人对水 ...
卷积神经网络结合水平集方法
水平集方法用于深度卷积网络水平集简介 CNN结合Level Set 疑惑水平集简介水平集(Level Set)方法是用于图像分割非常受欢迎的方法,其通过比目标维度高一维的水平集函数(LSF)的零 ...
matlab气管分割,一种基于区域生长法与水平集相融合的肺部CT图像的分割
摘要: 为将肺实质区域从含有背景.噪声的胸腔区域里分割出来,首先,应用传统的区域生长法初步定位肺部边界轮廓:其次,去除肺部边界噪声,采用自适应曲率阈值法修复肺部边界:最后,应用水平集法中的DRLSE模 ...
基于水平集LBF模型的图像边缘轮廓分割凸优化 - Split Bregman分裂布雷格曼算法的最优解
目录 1. 凸优化简介 : 2. 次梯度(subgradient): 次梯度概念: 次梯度例子: 次梯度存在性: 3. Bregman距离(布雷格曼距离) : Bregman距离概念 : Bregma ...
图像分割之水平集（Level Set）分割
几何活动轮廓模型--水平集分割:Active Contours Without Edges 水平集方法水平集是跟踪轮廓和表面运动的一种数字化方法,它不直接对轮廓进行操作,而是将轮廓设置成一个高维函数 ...
ITK:多相Chan和Vese稀疏场水平集分割
ITK:多相Chan和Vese稀疏场水平集分割内容提要 C++实现代码内容提要多相Chan和Vese稀疏场水平集分割 C++实现代码 #include "itkScalarChanAn ...
ITK:单相Chan和Vese稀疏场水平集分割
ITK:单相Chan和Vese稀疏场水平集分割内容提要 C++实现代码内容提要单相Chan和Vese稀疏场水平集分割 C++实现代码 #include "itkScalarChanAn ...

水平集LevelSet 分割图像

水平集LevelSet 分割图像相关推荐

最新文章

热门文章