1、实验十 医学图像分割（二）实验目的：1. 了解图像分割的基本理论和方法；2. 掌握阈值分割的方法和阈值的选择；3. 掌握基于分水岭分割的原理和应用；实验内容：1. 区域生长法利用图像像素间的相似性进行分割，调用regiongrow 函数对图像 weld.tif 进行处理，注意参数中S（种子值） ，T （阈值）的选择对分割效果的影响。S=255，T65 和 S 255 T150 和 S150，T65 三组值进行处理，理解在区域生长法的原理。同时对liver.bmp，自己选择合适的 S 和 T，以较好得分割出肝脏。代码 1：close all;f=imread(weld.tif);figure(1
2、),imshow(f),title(原图);g1,NR=regiongrow(f,255,65);g2,NR=regiongrow(f,255,150);g3,NR=regiongrow(f,150,65); figure(2),imshow(g1),title(S=255,T=65);figure(3),imshow(g2),title(S=255,T=150);figure(4),imshow(g3),title(S=150,T=65);y,x=ginput();x=floor(x);y=floor(y);G=zeros(size(g);G(g3=g3(x,y)=255;结果：代码 2：c
3、lose all;f=imread(liver1.bmp);figure(1),imshow(f),title(原图);g=regiongrow(f,255,135);%肝脏分离figure(2),imshow(g),title(S=255,T=135);y,x=ginput();x=floor(x);y=floor(y);G=zeros(size(g);G(g=g(x,y)=255;figure(3),imshow(G);结果：2. 编写 m 文件，实现单一型或质心型区域生长算法。由用户通过 ginput 函数选择种子点，然后根据用户输入的阈值T 进行区域生长。输入为：待分割的图片 f 和阈
4、值 T，输出为分割后的二值图片 g。代码 1：（单一型）function a=regiongrow2(f,T)imshow(f);se=0,1,0;1,1,1;0,1,0;y,x=ginput();x=floor(x);y=floor(y);a=im2bw(zeros(size(f);a(x,y)=1;while 1b=imdilate(a,se);P=b-a;find(P);index=find(P);n=size(index);for i=1:nt=abs(f(x,y)-f(index(i);if t=Tb(index(i)=0;P(index(i)=0;endenda=b;if sum(
5、sum(P)=0break;end end应用：f=imread(weld.tif);figure(1),imshow(f)g=regiongrow3(f,30);figure(2),imshow(g)代码 2：(质心型)function a=regiongrow4(f,T)imshow(f);se=0,1,0;1,1,1;0,1,0;y,x=ginput();x=floor(x);y=floor(y);a=im2bw(zeros(size(f);a(x,y)=1;average=f(x,y);while 1b=imdilate(a,se);P=b-a;index=find(P);n=size
6、(index);for i=1:nt=abs(average-double(f(index(i);if t=Tb(index(i)=0;P(index(i)=0;endenda=b;indexb=find(b);N=length(indexb);All=0;for i=1:NAll=All+double(f(indexb(i);endaverage=All/N;if sum(sum(P)=0break;end end结果：3. 用课本中分水岭的距离变换分水岭分割、梯度分水岭分割和控制标记符分水岭分割对 liver1 和 liver2 图像进行分割，分析上述算法的特点和存在的问题，考虑如何进行改
7、进？代码 1：close all;f=imread(liver1.bmp);figure(1),imshow(f);%g=im2bw(f,graythresh(f);g,NR=regiongrow(f,255,135);%肝 脏分离figure(2),imshow(g);gc=g;D=bwdist(gc);L=watershed(-D);w=L=0;figure(3),imshow(w);g2= g figure(5),imshow(g2);代码 2：close all;f=imread(liver1.bmp);F=regiongrow(f,255,135);%F=im2bw(f,grayth
8、resh(f);figure(1),imshow(F);h=fspecial(sobel);fd=double(f);g=sqrt(imfilter(fd,h,replicate).2+.imfilter(fd,h,replicate).2);figure(2),imshow(g); L=watershed(g);wr=L=0;figure(3),imshow(wr);g2=imclose(imopen(g,ones(3,3),ones(3,3);L2=watershed(g2);wr2=L2=0;f2=F;f2(wr2)=255;figure(4),imshow(f2);代码 3：close
9、 all;f=imread(liver1.bmp);F=regiongrow(f,255,135);%F=im2bw(f,graythresh(f);figure(1),imshow(F);h=fspecial(sobel);fd=double(f);g=sqrt(imfilter(fd,h,replicate).2+.imfilter(fd,h,replicate).2);figure(2),imshow(g); L=watershed(g);wr=L=0;figure(3),imshow(wr);rm=imregionalmin(g);im=imextendedmin(f,2);fim=f
10、;fim(im)=175;Lim=watershed(bwdist(im);em=Lim=0;figure(4),imshow(em);g2=imimposemin(g,im|em);L2=watershed(g2);f2=f;f2(L2=0)=255;figure(5),imshow(f2);实验报告：1. 实验目的2. 实验内容（部分可略写）每题分开写，并标明题号3. 实验小结和体会小结：1、第一题重在理解 S 和 T 的涵义，若 S 是一个标量，则它定义一个亮度值，f 中有着该值的所有点都变成种子；若T 是标量，则它会定义一个全局阈值，阈值用来测试图像中的像素是否与该种子或 8 连接种子足够相似。2、第二题比较注重算法。用膨胀的方法解决四连接生长点的确定，即先膨胀再进行判断，直到没有出现新的生长点为止。效果与重建很像，但算法不同，适合不同的场合。3、第三题重在理解分水岭的原理，即基于距离变换找出分水岭。但对于梯度分水岭和控制标记符的分水岭分割不理解，需要听老师和其他同学的讲解。还有第二张 liver2.bmp有点问题，需要用以前的图片。
