exponenta event banner

fibermetric

Улучшение удлиненных или трубчатых структур на изображении

Описание

пример

J = fibermetric(I) расширяет удлиненные или трубчатые структуры в 2-D или 3-D оттенках серого I с использованием мультимасштабной фильтрации на основе Гессена. Возвращенное изображение, J, содержит максимальный отклик фильтра при толщине, которая приблизительно соответствует размеру трубчатой структуры на изображении.

J = fibermetric(I,thickness) определяет толщину трубчатых конструкций, которую требуется увеличить.

J = fibermetric(___,Name,Value) использует аргументы пары имя-значение для управления различными аспектами алгоритма фильтрации.

Примеры

свернуть все

Считывайте и отображайте изображение, содержащее трубчатые нити различной толщины.

A = imread('threads.png');
imshow(A)

Figure contains an axes. The axes contains an object of type image.

Создайте улучшенную версию изображения, выделяющую потоки толщиной семь пикселей. Нити отображаются темными на светлом фоне, поэтому полярность объекта задается как «темная». Отображение улучшенного изображения.

B = fibermetric(A,7,'ObjectPolarity','dark');
imshow(B)
title('Enhanced Tubular Structures 7 Pixels Thick')

Figure contains an axes. The axes with title Enhanced Tubular Structures 7 Pixels Thick contains an object of type image.

Пороговое значение расширенного изображения для создания двоичного маскирующего изображения, содержащего потоки заданной толщины.

BW = imbinarize(B);

Отображение маски поверх исходного изображения с помощью labeloverlay функция. Наложение имеет голубой оттенок, где маска true (если резьба имеет заданную толщину).

imshow(labeloverlay(A,BW));
title('Detected Tubular Structures 7 Pixels Thick')

Figure contains an axes. The axes with title Detected Tubular Structures 7 Pixels Thick contains an object of type image.

Входные аргументы

свернуть все

Изображение с удлиненными или трубчатыми структурами, определенными как 2-е изображение оттенков серого или 3D объем оттенков серого.

Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Толщина трубчатых структур в пикселях, заданная как положительное целое число или вектор положительных целых чисел.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: J = fibermetric(I,'StructureSensitivity',15)

Чувствительность структуры, указанная как разделенная запятыми пара, состоящая из 'StructureSensitivity' и положительное число. Чувствительность структуры является порогом для отличия трубчатой структуры от фона.

Значение по умолчанию зависит от типа данных изображения I, и рассчитывается как 0.01*diff(getrangefromclass(I)). Например, пороговое значение по умолчанию - 2.55 для изображений типа данных uint8, и по умолчанию 0.01 для изображений типа данных double со значениями пикселей в диапазоне [0, 1].

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Полярность трубчатых конструкций с фоном, определяемая как разделенная запятыми пара, состоящая из 'ObjectPolarity' и одно из следующих значений:

СтоимостьОписание
'bright'Структура ярче фона.
'dark'Структура темнее фона.

Типы данных: char | string

Выходные аргументы

свернуть все

Улучшенное изображение, возвращаемое в виде числового массива того же размера, что и входное изображение I. Если тип данных I является double, то тип данных J также double. В противном случае тип данных J является single.

Типы данных: single | double

Совет

  • fibermetric функция не выполняет сегментацию. Функция улучшает изображение для выделения структур и обычно используется в качестве этапа предварительной обработки для сегментации.

Вопросы совместимости

развернуть все

В R2018b изменилось поведение

Ссылки

[1] Frangi, Алехандро Ф., и др. Многомасштабная фильтрация с улучшением емкости. Вычисления медицинских изображений и компьютерное вмешательство - MICCAI '98. Спрингер Берлин Гейдельберг, 1998. стр 130–137.

См. также

|

Представлен в R2017a