GraphCut(图切)分割算法是组合图论的经典算法之一,今天我简单介绍GraphCut算法的思想并结合交互式图像分割技术来实现在MR图像上左肱骨区域的分割提取。
1、GraphCut介绍
GraphCut是图论分割方法之一,而图论方法把图像分割问题与图的最小割(min cut)问题相关联。首先将图像映射为带权无向图G=<V,E>,图中每个节点N∈V对应于图像中的每个像素,每条边∈E连接着一对相邻的像素,边的权值表示了相邻像素之间在灰度、颜色或纹理方面的非负相似度。而对图像的一个分割S就是对图的一个剪切,被分割的每个区域C∈S对应着图中的一个子图。而分割的最优原则就是使划分后的子图在内部保持相似度最大,而子图之间的相似度保持最小。基于图论的分割方法的本质就是移除特定的边,将图划分为若干子图从而实现分割。GraphCut算法仅需要在前景和背景处画出简单区域作为输入,算法将建立各个像素点与前景背景相似度的赋权图,并通过求解最小切割来区分前景和背景。
2、动手实践GraphCut分割
首先,我们输入原始MR图像。
然后,在图像中的特定的一层,画出前景大致区域Mask并设置成255,其它区域为0,如图所示。
然后在该层中再绘制出背景大致区域Mask并设置成255,其它区域为0,如图所示。
最后出入原始图像,前景Mask图像和背景Mask图像,运行后最终输出的分割结果Mask图像如图所示。