Thresholding แบบปรับตัวสำหรับการแบ่งส่วนตับโดยใช้ Matlab

ฉันต้องแบ่งตับออกจากภาพ CT ของท้องโดยใช้ Adaptive Thresholding แต่ฉันได้พื้นหน้าทั้งหมดแยกออกจากพื้นหลังเพียงอย่างเดียว ฉันต้องการเพียงส่วนตับของเบื้องหน้าที่แยกจากกัน ลองดูไฟล์ pdf ในhttp://www.ijcaonline.org/casct/number1/SPE34T.pdf ฉันต้องการเอาต์พุตคล้ายกับที่แสดงในรูปที่ 6

ฉันแนบรหัสของฉันที่นี่ กรุณาช่วยฉันออก

%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);

รหัสที่แก้ไขของฉันสำหรับ 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');

ฉันเห็นลิงก์ของกระดาษ (ของ SS Kumar) ที่คุณอ้างถึงและลิงก์ที่คุณได้รับรหัส (HIPR) เป็นอัลกอริธึมที่แตกต่างกันสองแบบ - แม้ว่าทั้งสองฟังเหมือนAdaptive Thresholding

ก่อนอื่นฉันอยากจะบอกคุณถึงความแตกต่าง

ในวิธี HIPRข้อสันนิษฐานทั่วไปคือรูปภาพระดับ 2 ระดับหลักเช่นพื้นหน้าและพื้นหลัง ในการกำหนดเกณฑ์ระดับสองระดับใด ๆ คาดว่าจะมี 2 จุดหรือภูมิภาคภายในกราฟฮิสโตแกรมของภาพโดยเฉพาะอย่างยิ่งพื้นหลังกับพื้นหน้า, ข้อความและกระดาษสีขาว หากคุณอย่างใดพบว่ามีจุดที่ดีที่สุดในหุบเขาแท่ง - คุณจะได้รับส่วนที่สะอาด นี่คือลักษณะของฮิสโตแกรมที่อาจมีลักษณะ:

อย่างไรก็ตามจุดหุบเขานี้อาจขยับไปมาเล็กน้อยในพื้นที่ มีตัวอย่างที่ดีของการเปลี่ยนแปลงแสงที่มี ดังนั้นจุดหุบเขาที่ดีที่สุดนี้มีอยู่ทุกหนทุกแห่ง แต่แตกต่างกันเล็กน้อยในเชิงพื้นที่ดังนั้นเกณฑ์สากลจะล้มเหลว ดังนั้นการคำนวณจุดหุบเขา (ธรณีประตู) ในทุกพื้นที่ของท้องถิ่น

วิธีการใช้กระดาษของ SS Kumarและคลาสของรูปภาพที่คุณกำลังติดต่อเป็นพิเศษนั้นมีหลายระดับ (หลายวัตถุแต่ละชิ้นมีแถบความเข้มและการกระจายที่แตกต่างกัน) ในกรณีนี้ฮิสโทแกรมมีหลายแบบคือมันมียอดเขาและหุบเขาจำนวนมากและสันนิษฐานว่าแต่ละจุดสูงสุดสอดคล้องกับวัตถุที่แตกต่างกัน แต่มันอาจซับซ้อนกว่านี้

ฮิสโตแกรมอาจมีลักษณะดังนี้: (นี่เป็นภาพเดียวกับในกระดาษ)

ในกรณีนี้การเข้าใกล้ระดับ 2 ข้างต้นจะล้มเหลวเพียงเพราะไม่มีหุบเขาที่ดี นี่คือสาเหตุที่รูปภาพแรกของคุณที่คุณโพสต์นั้นมีจุดสีดำ / ขาวอยู่ทั่ว

ความหมายของAdaptive Thresholdingที่นี่หมายความว่าคุณต้องระบุจุดสูงสุดที่ถูกต้องและแถบสีเทาซึ่งครอบคลุมความเข้มส่วนใหญ่ของคันโยกและวัตถุอื่น ๆ ที่มีความแตกต่างอย่างสิ้นเชิงซึ่งช่วยให้

คุณควรทำอะไร?

ก่อนอื่นหากมีการบังคับใช้ Adreshive thresholding ให้ค้นหาฮิสโตแกรมและดูว่าช่วงความเข้มใดแล้วสำหรับขีด จำกัด ด้านซ้ายหรือทางขวาคือขอบเขตความเข้มที่ควรทิ้งพิกเซล

หรือคุณสามารถใช้การเติบโตของภูมิภาคหรืออัลกอริธึมและแยก อ้างถึงคำถามนี้สำหรับข้อมูลบางอย่าง: วิธีการแบ่งส่วนใดที่สามารถใช้สำหรับภาพอย่างง่าย