superpixels3

3-D суперпиксельная сверхсегментация 3-D изображения

Синтаксис

[L,NumLabels]
= superpixels3(A,N)

[L,NumLabels]
= superpixels3(___,Name,Value)

Описание

пример

[L,NumLabels] = superpixels3(A,N) вычисляет 3-D суперпиксели 3-D изображения AN задает количество суперпикселей, которые вы хотите создать. Функция возвращает L, 3-D матрица метки и NumLabels, фактическое количество суперпикселей возвращено.

[L,NumLabels] = superpixels3(___,Name,Value) вычисляет суперпиксели изображения A использование пар "имя-значение", чтобы управлять аспектами сегментации.

Примеры

свернуть все

Вычислите 3-D суперпиксели входа объемное изображение интенсивности

Открыть скрипт

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 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);

Входные параметры

свернуть все

`A` — Объем, чтобы сегментироваться
3-D числовой массив

Объем, чтобы сегментироваться в виде 3-D числового массива.

`N` — Желаемое количество суперпикселей
положительное целое число

Желаемое количество суперпикселей в виде положительного целого числа.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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.

Пример: B = superpixels3(A,100,'NumIterations', 20);

`'Compactness'` — Форма суперпикселей
0.001 если методом является `slic0` и `0.05` если методом является `slic` (значение по умолчанию) | числовой скаляр

Форма суперпикселей в виде числового скаляра. Параметр компактности алгоритма SLIC управляет формой суперпикселей. Более высокое значение делает суперпиксели более регулярно формируемыми, то есть, квадрат. Нижнее значение заставляет суперпиксели придерживаться контуров лучше, делая их неправильной формы. Можно задать любое значение в области значений [0 Inf) но типичные значения находятся в области значений [0.01,0.1].

Примечание

Если вы задаете 'slic0' метод, вы обычно не должны настраивать 'Compactness' параметр. С 'slic0' метод, superpixel3 адаптивно совершенствовал 'Compactness' параметр автоматически, таким образом избавляя от необходимости определить хорошее значение.

`'Method'` — Алгоритм использовался для расчета суперпикселей
`'slic0'` (значение по умолчанию) | `'slic'`

Алгоритм использовался для расчета суперпикселей в виде одного из следующих значений. Для получения дополнительной информации см. Алгоритмы.

Значение	Значение
`'slic0'`	`superpixels3` использует алгоритм SLIC0, чтобы совершенствовать `'Compactness'` адаптивно после первой итерации. Это значение по умолчанию.
`'slic'`	`'Compactness'` является постоянным во время кластеризации.

Типы данных: char | string

`'NumIterations'` — Количество итераций
10 (значение по умолчанию) | положительное целое число

Количество итераций используется в кластеризирующейся фазе алгоритма в виде положительного целого числа. Для большинства проблем не необходимо настроить этот параметр.

Выходные аргументы

свернуть все

`L` — Матрица метки
Трехмерный массив положительных целых чисел

Матрица метки, возвращенная как трехмерный массив положительных целых чисел. Значение 1 указывает на первую область, 2 вторая область, и так далее для каждой суперпиксельной области в изображении.

Типы данных: double

`NumLabels` — Количество суперпикселей вычисляется
положительное число

Количество вычисленных суперпикселей, возвратилось как положительное число.

Типы данных: double

Алгоритмы

Алгоритм используется в superpixels3 модифицированная версия 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.

Compactness функции аргумент 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:

$\begin{array}{l} d_{int e n s i t y} = \sqrt{{(l_{i} - l_{j})}^{2}} \\ d_{s p a t i a l} = \sqrt{{(x_{i} - x_{j})}^{2} + {(y_{i} - y_{j})}^{2} + {(z_{i} - z_{j})}^{2}} \\ D = \sqrt{{(\frac{d_{int e n s i t y}}{m})}^{2} + {(\frac{d_{s p a t i a l}}{S})}^{2}} \end{array}$

Компактность имеет то же значение как в 2D superpixels функция: 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.

Документация

superpixels3

Синтаксис

Описание

Примеры

Вычислите 3-D суперпиксели входа объемное изображение интенсивности

Входные параметры

`A` — Объем, чтобы сегментироваться
3-D числовой массив

`N` — Желаемое количество суперпикселей
положительное целое число

Аргументы в виде пар имя-значение

`'Compactness'` — Форма суперпикселей
0.001 если методом является `slic0` и `0.05` если методом является `slic` (значение по умолчанию) | числовой скаляр

Примечание

`'Method'` — Алгоритм использовался для расчета суперпикселей
`'slic0'` (значение по умолчанию) | `'slic'`

`'NumIterations'` — Количество итераций
10 (значение по умолчанию) | положительное целое число

Выходные аргументы

`L` — Матрица метки
Трехмерный массив положительных целых чисел

`NumLabels` — Количество суперпикселей вычисляется
положительное число

Алгоритмы

Смотрите также

Введенный в R2017b

Документация Image Processing Toolbox

Поддержка

Документация

superpixels3

Синтаксис

Описание

Примеры

Вычислите 3-D суперпиксели входа объемное изображение интенсивности

Входные параметры

A — Объем, чтобы сегментироваться 3-D числовой массив

N — Желаемое количество суперпикселей положительное целое число

Аргументы в виде пар имя-значение

'Compactness' — Форма суперпикселей0.001 если методом является slic0 и 0.05 если методом является slic (значение по умолчанию) | числовой скаляр

Примечание

'Method' — Алгоритм использовался для расчета суперпикселей 'slic0' (значение по умолчанию) | 'slic'

'NumIterations' — Количество итераций10 (значение по умолчанию) | положительное целое число

Выходные аргументы

L — Матрица метки Трехмерный массив положительных целых чисел

NumLabels — Количество суперпикселей вычисляется положительное число

Алгоритмы

Смотрите также

Введенный в R2017b

Документация Image Processing Toolbox

Поддержка

`A` — Объем, чтобы сегментироваться
3-D числовой массив

`N` — Желаемое количество суперпикселей
положительное целое число

`'Compactness'` — Форма суперпикселей
0.001 если методом является `slic0` и `0.05` если методом является `slic` (значение по умолчанию) | числовой скаляр

`'Method'` — Алгоритм использовался для расчета суперпикселей
`'slic0'` (значение по умолчанию) | `'slic'`

`'NumIterations'` — Количество итераций
10 (значение по умолчанию) | положительное целое число

`L` — Матрица метки
Трехмерный массив положительных целых чисел

`NumLabels` — Количество суперпикселей вычисляется
положительное число