Чтение изображения с объектом в сегмент. Преобразуйте изображение в полутоновое и отобразите результат.

A = imread('hands1.jpg');
I = im2gray(A);
figure
imshow(I)
title('Original Image')

Используйте активные контуры (змеи), чтобы сегментировать руку.

mask = false(size(I));
mask(25:end-25,25:end-25) = true;
BW = activecontour(I, mask, 300);

Прочтите в основной истине.

BW_groundTruth = imread('hands1-mask.png');

Вычислите индекс Dice сегментации активных контуров относительно основная истина.

similarity = dice(BW, BW_groundTruth);

Отобразите маски друг на верхнюю часть. Цвета указывают на различия в масках.

figure
imshowpair(BW, BW_groundTruth)
title(['Dice Index = ' num2str(similarity)])

В этом примере показано, как сегментировать изображение в несколько областей. Затем пример вычисляет коэффициент подобия Dice для каждой области.

Чтение изображения с несколькими областями в сегмент.

RGB = imread('yellowlily.jpg');

Создайте строчки для трех областей, которые различают их типичные цветовые характеристики. Первая область классифицирует жёлтый цветок. Вторая область классифицирует зелёный стебель и листья. Последняя область классифицирует коричневую грязь в две отдельные закрашенные фигуры изображения. Области заданы вектором с 4 элементами, элементы которого указывают координаты x - и y - верхнего левого угла информация только для чтения, ширину информация только для чтения и высоту информация только для чтения.

region1 = [350 700 425 120]; % [x y w h] format
BW1 = false(size(RGB,1),size(RGB,2));
BW1(region1(2):region1(2)+region1(4),region1(1):region1(1)+region1(3)) = true;

region2 = [800 1124 120 230];
BW2 = false(size(RGB,1),size(RGB,2));
BW2(region2(2):region2(2)+region2(4),region2(1):region2(1)+region2(3)) = true;

region3 = [20 1320 480 200; 1010 290 180 240]; 
BW3 = false(size(RGB,1),size(RGB,2));    
BW3(region3(1,2):region3(1,2)+region3(1,4),region3(1,1):region3(1,1)+region3(1,3)) = true;
BW3(region3(2,2):region3(2,2)+region3(2,4),region3(2,1):region3(2,1)+region3(2,3)) = true;

Отобразите начальные области поверх изображения.

imshow(RGB)
hold on
visboundaries(BW1,'Color','r');
visboundaries(BW2,'Color','g');
visboundaries(BW3,'Color','b');
title('Seed Regions')

Сегментируйте изображение в три области с помощью геодезической сегментации цвета на основе расстояния.

L = imseggeodesic(RGB,BW1,BW2,BW3,'AdaptiveChannelWeighting',true);

Загрузите основную истину сегментацию изображения.

L_groundTruth = double(imread('yellowlily-segmented.png'));

Визуально сравните результаты сегментации с основной истиной.

figure
montage({label2rgb(L),label2rgb(L_groundTruth)})
title('Comparison of Segmentation Results (Left) and Ground Truth (Right)')

Вычислите индекс подобия Dice для каждой сегментированной области. Индекс подобия Dice заметно меньше для второй области. Этот результат согласуется с визуальным сравнением результатов сегментации, которое ошибочно классифицирует грязь в правом нижнем углу изображения как листья.

similarity = dice(L, L_groundTruth)

similarity = 3×1

    0.9396
    0.7247
    0.9139