lazysnapping
Изображение сегмента в передний план и фон с помощью основанной на графике сегментации
Синтаксис
BW = lazysnapping(I,L,foremask,backmask)BW = lazysnapping(I,L,foreind,backind)BW = lazysnapping(___,Name,Value)Описание
BW = lazysnapping(I,L,foremask,backmask)I в передний план и фоновые области памяти с помощью ленивого моментального снимка. Матрица метки L задает подобласти изображения. foremask и backmask являются масками, определяющими пиксели в изображении как передний план и фон, соответственно.
BW = lazysnapping(___, сегментирует изображение или объем с помощью пар "имя-значение", чтобы управлять аспектами сегментации.Name,Value)
Примеры
Изображение сегмента в передний план и фон
Считайте изображение в рабочую область.
RGB = imread('peppers.png');Отметьте местоположения на изображении как передний план.
figure; imshow(RGB) h1 = impoly(gca,[34,298;114,140;195,135;... 259,200;392,205;467,283;483,104],'Closed',false);
Преобразуйте местоположения в линейные индексы.
foresub = getPosition(h1); foregroundInd = sub2ind(size(RGB),foresub(:,2),foresub(:,1));
Отметьте местоположения на изображении как фон.
figure;
imshow(RGB)
h2 = impoly(gca,[130,52;170,32],'Closed',false);
Преобразуйте местоположения в линейные индексы.
backsub = getPosition(h2); backgroundInd = sub2ind(size(RGB),backsub(:,2),backsub(:,1));
Сгенерируйте матрицу метки.
L = superpixels(RGB,500);
Выполните ленивый моментальный снимок.
BW = lazysnapping(RGB,L,foregroundInd,backgroundInd);
Создайте замаскированное изображение.
maskedImage = RGB; maskedImage(repmat(~BW,[1 1 3])) = 0; figure; imshow(maskedImage)
Объем сегмента на переднем плане и фоне
Загрузите 3-D объемное изображение в рабочую область.
D = load('mri.mat');
V = squeeze(D.D); Создайте 2D маску, идентифицирующую начальный передний план и фоновые точки seed.
seedLevel = 10; fseed = V(:,:,seedLevel) > 75; bseed = V(:,:,seedLevel) == 0; figure; imshow(fseed)
figure; imshow(bseed)
Поместите точки seed в пустую 3-D маску.
fmask = zeros(size(V)); bmask = fmask; fmask(:,:,seedLevel) = fseed; bmask(:,:,seedLevel) = bseed;
Сгенерируйте 3-D матрицу метки.
L = superpixels3(V,500);
Сегментируйте изображение на передний план и фон с помощью Ленивого Моментального снимка.
bw = lazysnapping(V,L,fmask,bmask);
Отобразите 3-D сегментированное изображение.
figure; p = patch(isosurface(double(bw))); p.FaceColor = 'red'; p.EdgeColor = 'none'; daspect([1 1 27/128]); camlight; lighting phong
Входные параметры
I Введите изображение
числовой массив
Введите изображение, заданное как числовой массив в одном из этих форматов.
| Тип изображения | Формат данных |
|---|---|
| 2D полутоновое изображение | 2D матрица размера h-by-w |
| 2D цветное изображение | Трехмерный массив размера h-by-w-by-3 |
| 2D многоспектральное изображение с каналами c | Трехмерный массив размера h-by-w-by-c |
| 3-D объемное полутоновое изображение с глубиной d | Трехмерный массив размера h-by-w-by-d |
lazysnapping ожидает, что пиксельные значения типа данных double и single будут в области значений [0, 1]. Можно использовать функцию rescale, чтобы настроить пиксельные значения к ожидаемой области значений. lazysnapping ожидает, что пиксельные значения типа данных uint16, int16 и uint8 будут полным спектром для типа определенных данных. Если значения не совпадают с ожидаемой областью значений, масштабируют изображение к ожидаемой области значений или настраивают EdgeWeightScaleFactor, чтобы улучшить результаты.
Типы данных: single | double | int16 | uint8 | uint16
L Матрица метки
числовой массив
Матрица метки входного изображения или объема, заданного как числовой массив. Для 2D изображений L является 2D массивом размера h-by-w. Для 3-D объемов L является трехмерным массивом размера h-by-w-by-d.
Не отмечайте данную подобласть матрицы метки как принадлежащий и приоритетной маске и фоновой маске. Если область матрицы метки содержит пиксели, принадлежащие и приоритетной маске и фоновой маске, то сегменты lazysnapping область как фон.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
foremask — Рисунок маски, который задает передний план
логический массив
Рисунок маски, который задает передний план, заданный как логический массив. Для 2D изображений foremask является 2D массивом размера h-by-w. Для 3-D объемов foremask является трехмерным массивом размера h-by-w-by-d.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
backmask — Рисунок маски, который задает фон
логический массив
Рисунок маски, который задает фон, заданный как логический массив. Для 2D изображений backmask является 2D массивом размера h-by-w. Для 3-D объемов backmask является трехмерным массивом размера h-by-w-by-d.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
foreind — Линейный индекс приоритетных пикселей
вектор положительных целых чисел
Линейный индекс пикселей в матрице метки, заданной как вектор положительных целых чисел. Можно использовать инструмент для рисования ROI, такой как drawpolyline, чтобы выбрать точки на переднем плане. Затем преобразуйте координаты точек к линейным индексам с помощью sub2ind. Если координаты являются значениями нецелого числа, то вокруг значений прежде, чем преобразовать в линейные индексы.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
backind — Линейный индекс фоновых пикселей
вектор положительных целых чисел
Линейный индекс пикселей, которые задают фон, заданный как вектор положительных целых чисел. Можно использовать инструмент для рисования ROI, такой как drawpolyline, чтобы выбрать точки в фоновом режиме. Затем преобразуйте координаты точек к линейным индексам с помощью sub2ind. Если координаты являются значениями нецелого числа, то вокруг значений прежде, чем преобразовать в линейные индексы.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | логический
Аргументы в виде пар имя-значение
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
'Connectivity',18'Connectivity' — Возможность соединения связанных компонентов
4 | 8 | 6 | 18 | 26 | 3-by-3-by-... Матрица-by-3 0 s и 1 s
Возможность соединения связанных компонентов, заданных как одно из значений в этой таблице. Возможностью соединения по умолчанию является 8 для 2D изображений и 26 для 3-D изображений.
Значение | Значение | |
|---|---|---|
Двумерные возможности соединения | ||
4 | Пиксели соединяются, если их ребра затрагивают. Два смежных пикселя являются частью того же объекта, если они и включены и соединяются вдоль горизонтального или вертикального направления. |
|
8 | Пиксели соединяются, если их ребра или углы затрагивают. Два смежных пикселя являются частью того же объекта, если они и включены и соединяются вдоль горизонтали, вертикального, или диагонального направления. |
|
3D возможности соединения | ||
6 | Пиксели соединяются, если их поверхности затрагивают. Два смежных пикселя являются частью того же объекта, если они и включены и соединяются в:
|
|
18 | Пиксели соединяются, если их поверхности или ребра затрагивают. Два смежных пикселя являются частью того же объекта, если они и включены и соединяются в
|
|
26 | Пиксели соединяются, если их поверхности, ребра или углы затрагивают. Два смежных пикселя являются частью того же объекта, если они и включены и соединяются в
|
|
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
'EdgeWeightScaleFactor' — Масштабный коэффициент для веса ребра между подобластями матрицы метки
500 (значение по умолчанию) | положительная скалярная величина
Масштабный коэффициент для веса ребра между подобластями матрицы метки, заданной как пара, разделенная запятой, состоящая из 'EdgeWeightScaleFactor' и положительной скалярной величины. Типичные значения располагаются от [10, 1000]. Увеличение этого повышения стоимости вероятность, что метки lazysnapping, граничащие с подобластями вместе или как передний план или как фон.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
Выходные аргументы
Алгоритмы
Ленивый алгоритм Моментального снимка, разработанный Ли и др. передний план кластеров и фоновые значения с помощью K-среднего метода. Эта реализация Ленивого алгоритма Моментального снимка не кластеризирует подобный передний план или фоновые пиксели. Чтобы улучшать производительность, сократите количество пикселей с подобными значениями, которые идентифицированы как передний план или фон.
Ссылки
[1] И. Ли, С. Цзянь, К. Тан, Х. Шум. Ленивый моментальный снимок. В продолжениях от 31-й международной конференции по вопросам компьютерной графики и интерактивных методов, 2004.