Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Sitk图像分割

Sitk图像分割

作者头像
裴来凡
发布于 2022-05-28 08:58:32
发布于 2022-05-28 08:58:32
50000
代码可运行
举报
运行总次数:0
代码可运行
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import cv2
import SimpleITK as sitk
import matplotlib.pylab as pylab
def show_image(img,title=None):
    nda=sitk.GetArrayViewFromImage(img)
    pylab.imshow(nda,cmap='gray')
    pylab.axis('off')
    if(title):
        pylab.title(title,size=20)
img=cv2.imread('C:/Users/xpp/Desktop/Lena.png')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#将彩色图片转换为灰度图片
img=255*gray
img_T1=sitk.GetImageFromArray(img)
img_T1_255=sitk.Cast(sitk.RescaleIntensity(img_T1),sitk.sitkUInt8)#sitk分割
seed=(100,120)#种子
for upper in [80,85,90]:
    pylab.figure(figsize=(18,20))
    pylab.subplot(221)
    show_image(img_T1,"Original Image")
    pylab.scatter(seed[0],seed[1],color='red',s=50)
    pylab.subplot(222)
    seg=sitk.ConnectedThreshold(img_T1,seedList=[seed],lower=40,upper=upper)
    show_image(seg,"Region Growing")
    pylab.subplot(223)
    show_image(sitk.LabelOverlay(img_T1_255,seg),"Connected Threshold")
    pylab.axis('off')
    pylab.tight_layout()
    pylab.show()

算法:区域生长算法是一种分割算法,是指如果一个像素的邻域的强度与当前像素相似,则认为该邻域处于同一分割片段。初始像素集称为种子点(seed point)——通常是手动选择的。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-05-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 图像处理与模式识别研究所 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Snake图像分割
算法:活动轮廓(Snake)是用于拟合开或闭合样条曲线与图像中的线或边缘,围绕感兴趣的目标初始化“蛇”,并让它收缩或膨胀,以便于使封闭的轮廓与感兴趣的目标相拟合。“蛇”可以是周期性的(用于分段),也可以具有固定和/或自由端。输出蛇的长度与输入边界的长度相同。由于点的数量是恒定的,因此请确保初始蛇具有足够的点以捕获最终轮廓的细节。
裴来凡
2022/05/28
6580
Snake图像分割
Python 图像处理实用指南:1~5
顾名思义,图像处理可以简单地定义为在计算机中(通过代码)使用算法对图像进行处理(分析和操作)。它有几个不同的方面,如图像的存储、表示、信息提取、操作、增强、恢复和解释。在本章中,我们将对图像处理的所有这些不同方面进行基本介绍,并介绍使用 Python 库进行的实际图像处理。本书中的所有代码示例都将使用 Python 3。
ApacheCN_飞龙
2023/04/27
5.7K0
Python 图像处理实用指南:1~5
角点精确检测
import cv2 import numpy as np from skimage.io import imread from skimage.color import rgb2gray from skimage.measure import ransac from skimage.util import img_as_float from matplotlib import pylab as pylab from skimage.feature import corner_harris, corner
裴来凡
2022/05/28
6420
角点精确检测
图像抗混叠
算法:图像抗混叠通常是在向下采样之前通过平滑图像(通过图像与低通滤波器的卷积,如高斯滤波器)来完成的。混叠是图像中有一些在原始图像中不存在的黑色斑点或伪影。下采样对于缩小图像的效果并不是太理想,因为它会产生混叠效果。通常是因为采样率比奈奎斯特速率小(像素太少了的缘故),因此避免混叠的一种方法是增加采样率,使其大于奈奎斯特速率。
裴来凡
2022/05/28
8820
图像抗混叠
Python 图像处理实用指南:6~10
在本章中,我们将讨论数学形态学和形态学图像处理。形态图像处理是与图像中特征的形状或形态相关的非线性操作的集合。这些操作特别适合于二值图像的处理(其中像素表示为 0 或 1,并且根据惯例,对象的前景=1 或白色,背景=0 或黑色),尽管它可以扩展到灰度图像。
ApacheCN_飞龙
2023/04/27
1.6K0
【OpenCV】Chapter9.边缘检测与图像分割
边缘检测的原理和matlab实现在我之前这两篇博文中提到过,这里不再赘述。 【计算机视觉】基础图像知识点整理【计算机视觉】数字图像处理基础知识题 此次来看OpenCV的实现方式。
zstar
2022/09/28
1.6K0
【OpenCV】Chapter9.边缘检测与图像分割
Python 图像处理实用指南:11~12
在本章中,我们将继续讨论图像处理与深度学习的最新进展。我们将特别处理一些问题,并将尝试使用深度 CNN 的深度学习来解决这些问题
ApacheCN_飞龙
2023/04/27
1.2K0
图像信噪比
算法:信噪比是指图像数组的均值除以图像数组的标准差。颜色量化虽然缩小了图像的尺寸(比特/像素的数量),但是图像的质量变差了。通常情况下,信噪比是图像质量的一种度量方法,信噪比越高,图像质量越好。
裴来凡
2022/05/28
8120
图像信噪比
Grabcut图像分割
算法:Grabcut是一种交互式分割方法,该方法使用图论的max-flow/min-cut算法从图像的背景中提取前景。用户根据提供提示,输入图像中指定前景区域,使用该算法对图像进行迭代分割,得到最佳结果。基于图论的方法还有GraphCut,GrabCut、Random Walk等。
裴来凡
2022/05/28
5990
Grabcut图像分割
python3-scipy-ndimage平滑
在python3的scipy ndimage模块提供了一个名为percentile_filter()的函数,它是中值滤波器的一个通用版本。
用户6599049
2022/06/25
7570
种子区域生长图像分割方法及Python实例
是从一组代表不同生长区域的种子像素开始,接下来将种子像素邻域里符合条件的像素合并到种子像素所代表的生长区域中,并将新添加的像素作为新的种子像素继续合并过程,直到找不到符合条件的新像素为止。该方法的关键是选择合适的初始种子像素以及合理的生长准则。
Minerva
2020/05/21
4.1K0
Haar人脸分类
4.217784404754639 (200, 101088) (150, 101088) 3.3909857273101807 1.0
裴来凡
2022/05/29
4890
Haar人脸分类
医学图像处理案例(二十)——医学图像处理案例代码详解
在前面分享的医学图像处理案例中,给出了很多具体案例,但有些读者还是渴望可以深入分享案例代码详解。那么今天我将从骨骼分割,气管分割,肺组织分割,血管分割这四个具体案例来详细讲解如何来实现。
医学处理分析专家
2020/06/29
4K1
数字图像处理之图像分割算法
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。单色图像的分割算法通常基于灰度值的不连续性和相似性。
Minerva
2020/05/21
4.4K0
HOG目标检测
算法:HOG目标检测是通过在测试图像上重复地进入一个64像素宽、128像素高的窗口并计算HOG描述符来完成的。由于HOG计算不包含尺度的内在意义,且目标可以出现在一幅图像的多个尺度中,因此HOG计算在尺度金字塔的每一层上是逐步重复的。尺度金字塔中每一层之间的尺度因子通常在1.05和1.2之间,图像重复地按尺度缩小,直到尺度的源帧不再能容纳完整的HOG窗口。如果SVM分类器以任何尺度预测检测目标,则返回相应的边界框。这种技术比Viola-Jones目标检测更精确,但计算上更复杂。
裴来凡
2022/05/29
8230
HOG目标检测
OpenCV: 分水岭算法的图像分割及Grabcut算法交互式前景提取
任何灰度图像都可以看作是一个地形表面,其中高强度的像素表示山峰,低强度表示山谷。可以用不同颜色的水(标签)填充每个孤立的山谷(局部最小值)。随着水位的上升,根据附近的山峰(坡度),来自不同山谷的水明显会开始合并,颜色也不同。为了避免这种情况,要在水融合的地方建造屏障。继续填满水,建造障碍,直到所有的山峰都在水下。然后创建的屏障将返回分割结果。这就是Watershed(分水岭算法)背后的“思想”。
用户3578099
2023/09/01
1.3K0
OpenCV: 分水岭算法的图像分割及Grabcut算法交互式前景提取
opencv 特征值_直方图阈值图像分割
  像素值高于阈值时,给这个像素赋予一个新值(可能是白色),否则我们给它赋予另外一种颜色(也许是黑色)。这个函数就是 cv2.threshhold()。这个函数的第一个参数就是原图像,原图像应该是灰度图。第二个参数就是用来对像素值进行分类的阈值。第三个参数就是当像素值高于(有时是小于)阈值时应该被赋予的新的像素值。 OpenCV提供了多种不同的阈值方法,这是有第四个参数来决定的。这些方法包括: • cv2.THRESH_BINARY • cv2.THRESH_BINARY_INV • cv2.THRESH_TRUNC • cv2.THRESH_TOZERO • cv2.THRESH_TOZERO_INV
全栈程序员站长
2022/09/19
7090
opencv 特征值_直方图阈值图像分割
MorphACWE图像分割
算法:形态学无边缘活动轮廓(MorphACWE,morphological chan vese)是指一组用于图像分割的方法(类似于活动轮廓算法)。形态学蛇算法比活动轮廓算法更快且在数值上更稳定,因为它们在二进制数组上使用形态学运算符(如膨胀/腐蚀),而活动轮廓算法是在浮点数组上求解偏微分方程。
裴来凡
2022/05/28
4180
MorphACWE图像分割
最佳的图像处理工具python扩展库
在当今这个社会,数据就是财富,数据就是金钱,一切都离不开数据,我们看到的一切图片,本质上都是数据,如何理解和处理这些图像数据是很大的难题,不过庆幸的是,在 python 中,已经有了非常丰富的扩展来帮助我们处理这些图片。
程序那些事儿
2023/03/07
6810
最佳的图像处理工具python扩展库
Top_Cow 2023——用于CTA和MRA的Willis环的拓扑解剖结构分割docker推理部署
今天将分享CTA和MRA的Willis环的拓扑解剖结构分割docker推理部署完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2023/09/24
3740
Top_Cow 2023——用于CTA和MRA的Willis环的拓扑解剖结构分割docker推理部署
相关推荐
Snake图像分割
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验