imseggeodesic

文章目录

Syntax
Description
Examples
Input Arguments
Output Arguments
Tips

使用基于测地距离的颜色分割将图像分割为两个或三个区域

Syntax

L = imseggeodesic(RGB,BW1,BW2)
L = imseggeodesic(RGB,BW1,BW2,BW3)
[L,P] = imseggeodesic(___)
[L,P] = imseggeodesic(___,Name,Value)

Description

L = imseggeodesic（RGB，BW1，BW2）分割彩色图像RGB，返回带有标签L的分割后的二进制图像。
BW1和BW2是二进制图像，它们指定了两个区域（前景）的初始种子区域（称为涂鸦）的位置。 和背景）。
imseggeodesic使用BW1和BW2中指定的涂抹作为代表样本来计算其各自区域的统计信息，然后将其用于分段。
BW1和BW2（逻辑上正确的区域）指定的涂鸦不应重叠。 底层算法使用在由涂鸦标记的区域上估计的统计量进行分
割。 涂抹标记的像素数量越多，区域统计信息的估计就越准确，这通常会导致更准确的分割。
因此，优良作法是提供尽可能多的涂鸦。 通常，为每个区域提供至少几百个像素作为涂鸦。L = imseggeodesic（RGB，BW1，BW2，BW3）对彩色图像RGB进行分割，返回具有三段（三级分割）的分割图像，并带有由标签矩阵L指定的区域标签。BW1，BW2和BW3是用于指定二进制图像 初始种子区域或三个区域的涂抹的位置。 由BW1，BW2和BW3（逻辑上为真的区域）指定的涂鸦不应重叠。[L，P] = imseggeodesic（___）还返回属于矩阵P中每个标签的每个像素的概率。[L，P] = imseggeodesic（___，Name，Value）使用名称-值对来控制分段的各个方面。

Examples

使用颜色信息将图像分割成两个区域

clear all
close all
clc
RGB = imread('yellowlily.jpg');
imshow(RGB)
%第一个区域由黄色花瓣组成。 通过使用drawrectangle函数将初始种子区域指定为矩形ROI。 用黄色绘制ROI。
%“位置”名称/值对参数将ROI的左上坐标，宽度和高度指定为4元素向量[xmin，ymin，宽度，高度]。
%如果要交互式绘制矩形，省略“位置”名称/值对参数。
r1 = drawrectangle(gca,'Position',[350 700 425 120],'Color','y');
%第二个区域由绿叶组成。 将种子区域指定为矩形ROI，并以红色绘制ROI。
r2 = drawrectangle(gca,'Position',[800 1124 120 230],'Color','r');
%第三个区域是背景，这是此图像中的污垢。 将种子区域指定为矩形ROI，并以蓝色绘制ROI。
r3 = drawrectangle(gca,'Position',[1010 290 180 240],'Color','b');
%为每个ROI创建一个蒙版，其中ROI为true，其他像素为false。
mask1 = createMask(r1);
mask2 = createMask(r2);
mask3 = createMask(r3);
%分割图像。
[L,P] = imseggeodesic(RGB,mask1,mask2,mask3,'AdaptiveChannelWeighting',true);
%在原始图像上显示分段的标签。
imshow(labeloverlay(RGB,L))
title('Segmented Image with Three Regions')
%图像的右下角被误分类为区域2（叶）。 添加另一个背景ROI。
r4 = drawrectangle(gca,'Position',[20 1320 480 200],'Color','b');
mask4 = createMask(r4);
maskBackground = mask3 + mask4;
%分割图像，然后在原始图像上显示分割的标签。
[L,P] = imseggeodesic(RGB,mask1,mask2,maskBackground,'AdaptiveChannelWeighting',true);
imshow(labeloverlay(RGB,L))
title('Refined Segmented Image with Three Regions')
%显示每个像素属于每个标签的概率。
montage(P,'Size',[1 3])
title('Probability That Each Pixel Belongs to Each Label')

Input Arguments

RGB — Image to be segmented
要分割的图像，指定为RGB图像。在执行分割之前，imseggeodesic将输入的RGB图像转换为YCbCr颜色空间。

BW1 —第一个区域的涂鸦图像
绘制第一个区域的图像，指定为逻辑矩阵。 BW1必须具有与输入图像RGB相同的行数和列数。要以交互方式创建涂鸦，请首先使用诸如drawcircle，drawfreehand，drawpolygon或drawrectangle之类的功能绘制ROI。然后，使用createMask从ROI创建遮罩

Name-Value Pair Arguments
AdaptiveChannelWeighting’-使用自适应信道加权
false (default) | true
使用自适应通道加权，指定为逻辑标量。当为true时，等视线将权重与通道所具有的区分信息量成正比，这些信息可用于分割（基于作为输入提供的涂抹）。如果为假（默认值），则异象管对所有通道的权重相等。

Output Arguments

L —标签矩阵
标签矩阵，以非负整数的矩阵形式返回。标记为0的像素是背景，标记为1的像素标识分段区域。标记为2的像素标识三元分割中的另一个分割区域。

P —像素属于标记区域的概率
像素属于标记区域的概率，指定为用于二进制分割的M×N×2矩阵或用于三进制分割的M×N×3矩阵。 M和N是输入图像中的行数和列数。 P（i，j，k）指定位置（i，j）处属于标签k的像素的概率。

Tips

两个（或三个）区域的涂鸦不应相互重叠。每个涂鸦矩阵（BW1，BW2和BW3）应为非空，也就是说，每个涂鸦中至少应有一个像素（尽管越多越好）被标记为逻辑真。

imseggeodesic相关推荐

Matlab图像分割---使用dice相似系数方法进行图像分割精度验证
实例1:计算二值分割图像的dice相似系数实例2:计算多区域分割图像的dice相似系数本例程的配套完整源码和图片素材下载描述: similarity = dice(BW1,BW2) 计算二进制图 ...