图像分割-选择正确的阈值
图像分割-选择正确的阈值
提问于 2014-04-24 20:12:53
我正在开发一种脑瘤分割算法。到目前为止，我可以正确地检测图像中的肿瘤部分，然后使用阈值将它们分割出来。
对于光强的肿瘤，使用均值阈值，正确地分割肿瘤。
但是如果肿瘤的强度是暗的，那么使用均值的阈值就不起作用(因为较亮的像素会使均值更高)。
我应该使用什么方法或代码才能使一段代码成功地分割两种类型的肿瘤？
回答 2
Stack Overflow用户
发布于 2018-10-25 19:55:11
我在我的M. Sc.thesis中研究了胶质瘤分割，使用了一种带有期望最大化的生成方法。我的数据集包括4种不同的模式: T1合同增强磁共振，T2加权磁共振，FLAIR和正电子发射计算机断层扫描。
肿瘤的表现，根据其级别，可以是高信号，低信号或等信号在不同的形式。
EM算法具有4种不同的类别: WM，GM，CSF和肿瘤，在人脑图谱上运行良好。尽管与模板对齐的共同注册数据集总是具有挑战性的，但这种已发表的方法已经得到验证，并且对于不同类型的脑肿瘤具有很高的准确性。
EM算法是在3DSlicer中实现的，作为EM分割器，用于不同类别的人脑，或肺或...
下面是使用切片器的一次测试的结果：
Stack Overflow用户
发布于 2014-04-25 06:39:49
graph cuts (或grabcut是使用graph cuts的一种方法)是一种流行的图像分割方法，http://docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/py_grabcut/py_grabcut.html
然而，如果你想让它完全自动化，你需要一些方法来为前景/背景生成种子。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/23268555
复制相关文章
相似问题
腾讯云开发者
