Exponenta Banner

3-D объемная обработка изображений

Фильтр, сегмент, и выполняют другие операции обработки изображений на 3-D объемных данных

Выполните пиксельные операции, локальную фильтрацию, морфологию и другую обработку изображений, на 3-D наборах данных.

Приложения

Volume ViewerПросмотрите объемные данные, и пометил объемные данные

Функции

развернуть все

volshowОтобразите объем
labelvolshowОтобразите помеченный объем
sliceViewerПросмотрите фрагменты изображения
orthosliceViewerПросмотрите ортогональные срезы в объеме RGB или шкале полутонов
adaptthreshАдаптивный порог изображений с помощью локальной статистики первого порядка
imbinarizeBinarize 2D полутоновое изображение или 3-D объем пороговой обработкой
dicomreadСчитайте изображение DICOM
dicomreadVolumeСоздайте 4-D объем из набора изображений DICOM
niftiinfoСчитайте метаданные из файла NIfTI
niftiwriteЗапишите объем в использование файла формат NIfTI
niftireadСчитайте изображение NIfTI
imabsdiffАбсолютная разность двух изображений
imaddДобавьте два изображения или добавьте постоянный, чтобы отобразить
imdivideРазделите одно изображение на другого или разделите изображение на константу
immultiplyУмножьте два изображения или умножьте изображение на константу
imsubtractВычтите одно изображение от другого или вычтите постоянный из изображения
affine3d 3-D аффинное геометрическое преобразование
imcrop3Обрежьте 3-D изображение
imref3dСсылочное 3-D изображение к мировым координатам
imregisterОснованная на интенсивности регистрация изображений
imregdemonsОцените поле смещения, которое выравнивает два 2D или 3-D изображения
imresize3Измените размер 3-D объемного изображения интенсивности
imrotate3Вращайте 3-D объемное полутоновое изображение
imwarpПримените геометрическое преобразование изображения
fibermetricУлучшите удлиненные или трубчатые структуры в изображении
fspecial3Создайте предопределенный 3-D фильтр
histeqУлучшите контраст с помощью эквализации гистограммы
imadjustnНастройте значения интенсивности в объемном изображении N-D
imboxfilt33-D фильтрация поля 3-D изображений
imfilterФильтрация N-D многомерных изображений
imgaussfilt33-D Гауссова фильтрация 3-D изображений
imhistmatchnНастройте гистограмму изображения N-D, чтобы совпадать с гистограммой ссылочного изображения
imnoiseДобавьте шум, чтобы отобразить
integralBoxFilter33-D фильтрация поля 3-D интегральных изображений
integralImage3Вычислите 3-D интегральное изображение
medfilt33-D медианная фильтрация
bwareaopenУдалите маленькие объекты из двухуровневого изображения
bwconncompНайдите соединенные компоненты в двухуровневом изображении
bwmorph3Морфологические операции на бинарном объеме
bwskelУменьшайте все объекты до линий в 2D двухуровневом изображении или 3-D бинарном объеме
imbothatФильтрация нижней шляпы
imcloseМорфологически близкое изображение
imdilateРасширьте изображение
imerodeРазрушьте изображение
imopenМорфологически открытое изображение
imreconstructМорфологическая реконструкция
imregionalmaxРегиональные максимумы
imregionalminРегиональные минимумы
imtophatФильтрация цилиндра
offsetstrelМорфологический элемент структурирования смещения
strelМорфологический элемент структурирования
watershedВодораздел преобразовывает
activecontour Изображение сегмента в передний план и фон с помощью активных контуров (змеи)
bfscoreОчертите соответствие со счетом к сегментации изображений
diceКоэффициент подобия Sørensen-Dice для сегментации изображений
gradientweightВычислите веса для пикселей изображения на основе градиента изображений
graydiffweightВычислите веса для пикселей изображения на основе полутонового различия в интенсивности
imsegfmmСегментация двухуровневого изображения, использующая Быстро идущий Метод
imsegkmeans3K-средних значений, кластеризирующие базирующуюся сегментацию объема
jaccardКоэффициент подобия Jaccard для сегментации изображений
superpixels33-D суперпиксельная сверхсегментация 3-D изображения
bwselect3Выберите объекты в двухуровневом изображении
edge3Найдите ребра в 3-D объеме интенсивности
imgradient3Найдите величину градиента и направление 3-D изображения
imgradientxyzНайдите направленные градиенты 3-D изображения
imhistГистограмма данных изображения
regionprops3Измерьте свойства 3-D объемных областей изображений
randomPatchExtractionDatastoreDatastore для извлечения случайных 2D или 3-D случайных закрашенных фигур от изображений или пикселя помечает изображения
centerCropWindow3dСоздайте кубовидное окно обрезки центра
randomCropWindow3dСоздайте рандомизированное кубовидное окно обрезки
randomAffine3dСоздайте рандомизированное 3-D аффинное преобразование
affineOutputViewСоздайте выходное представление для деформирования изображений

Темы

Вычислите 3-D суперпиксели входа объемное изображение интенсивности

В этом примере показано, как преобразовать 3-D данные MRI в полутоновое изображение интенсивности суперпикселей.

Исследуйте 3-D объемные данные с приложением Volume Viewer

Можно просмотреть перпендикулярные поперечные сечения 3-D объемных данных с помощью приложения Volume Viewer. Настройте рендеринг, чтобы показать структуры в объеме.

Исследуйте 3-D, пометил Volumetric Data with Volume Viewer App

Можно просмотреть 3-D помеченные объемные данные с помощью приложения Volume Viewer. Можно просмотреть объем и помеченный объем одновременно и изменить непрозрачность и палитру.

Предварительно обработайте объемы для глубокого обучения (Deep Learning Toolbox)

Считайте и предварительно обработайте объемное изображение и пометьте данные для 3-D глубокого обучения.

Рекомендуемые примеры

Register Multimodal 3-D Medical Images

Укажите многомодальные 3-D медицинские изображения

Выровняйте два объемных изображения с помощью автоматической основанной на интенсивности регистрации изображений.

Скрипт Open Live Script
Segment Lungs from 3-D Chest Scan

Легкие сегмента от 3-D сканирования грудной клетки

Выполните 3-D сегментацию с помощью активных контуров (змеи). Можно просмотреть результаты с помощью приложения Volume Viewer.

Скрипт Open Live Script
3-D Brain Tumor Segmentation Using Deep Learning

3-D сегментация опухоли головного мозга Используя глубокое обучение

Обучите 3-D нейронную сеть U-Net и выполните семантическую сегментацию опухолей головного мозга от 3-D медицинских изображений. Пример показывает, как обучить 3-D сеть U-Net и также обеспечивает предварительно обученную сеть. Использование CUDA-способного графического процессора NVIDIA™ с вычисляет возможность 3.0, или выше настоятельно рекомендован для 3-D семантической сегментации (требует Parallel Computing Toolbox™).

Скрипт Open Live Script
Документация Image Processing Toolbox
Поддержка