3-D суперпиксельная сверхсегментация 3-D изображения
[L,NumLabels]
= superpixels3(A,N)[L,NumLabels]
= superpixels3(___,Name,Value,...)[ вычисляет суперпиксели изображения L,NumLabels]
= superpixels3(___,Name,Value,...)A с помощью Пар "имя-значение", чтобы управлять аспектами сегментации.
Загрузите 3-D данные MRI, удалите любые одноэлементные размерности и преобразуйте данные в полутоновое изображение интенсивности.
load mri;
D = squeeze(D);
A = ind2gray(D,map);
Вычислите 3-D суперпиксели. Сформируйте выходное изображение, где каждый пиксель установлен в средний цвет своей соответствующей суперпиксельной области.
[L,N] = superpixels3(A,34);
Показывайте все xy-плоскости прогрессивно с суперпиксельными контурами.
imSize = size(A);
Создайте стек изображений RGB, чтобы отобразить контуры в цвете.
imPlusBoundaries = zeros(imSize(1),imSize(2),3,imSize(3),'uint8'); for plane = 1:imSize(3) BW = boundarymask(L(:, :, plane)); % Create an RGB representation of this plane with boundary shown % in cyan. imPlusBoundaries(:, :, :, plane) = imoverlay(A(:, :, plane), BW, 'cyan'); end implay(imPlusBoundaries,5)
Выберите цвет каждого пикселя в выходном изображении к средней интенсивности суперпиксельной области. Покажите среднее изображение рядом с оригиналом. Если при запуске этот код, можно использовать implay, чтобы просмотреть каждый срез данных MRI.
pixelIdxList = label2idx(L); meanA = zeros(size(A),'like',D); for superpixel = 1:N memberPixelIdx = pixelIdxList{superpixel}; meanA(memberPixelIdx) = mean(A(memberPixelIdx)); end implay([A meanA],5);
Алгоритм, используемый в superpixels3, является измененной версией алгоритма Простой линейной итеративной кластеризации (SLIC), используемого superpixels. На высоком уровне это создает кластерные центры и затем итеративно чередуется между присвоением пикселей к самому близкому кластерному центру и обновлением местоположений кластерных центров. superpixels3 использует метрику расстояния, чтобы определить самый близкий кластерный центр каждого пикселя. Эта метрика расстояния комбинирует расстояние интенсивности и пространственное расстояние.
Аргумент Compactness функции прибывает из математической формы метрики расстояния. Параметр компактности алгоритма является скалярным значением, которое управляет формой суперпикселей. Расстояние между i на два пикселя и j, где m является значением компактности:
Компактность имеет то же значение как в 2D функции superpixels: Это определяет относительную важность расстояния интенсивности и пространственного расстояния в полной метрике расстояния. Нижнее значение заставляет суперпиксели придерживаться контуров лучше, делая их неправильной формы. Более высокое значение делает суперпиксели более регулярно формируемыми. Допустимой областью значений для компактности является (0 Inf), как в 2D функции. Типичной областью значений, как находили, посредством экспериментирования был [0.01 0.1]. Динамический диапазон входных изображений нормирован в рамках алгоритма, чтобы быть от 0 до 1. Это включает сопоставимое значение значений компактности через изображения.
boundarymask | imoverlay | label2idx | label2rgb | superpixels