首页 > 编程语言 >ITK 实例6 置信连接算法对脑部PNG图像进行二维分割

ITK 实例6 置信连接算法对脑部PNG图像进行二维分割

时间:2023-08-16 14:57:43浏览次数:63  
标签:滤波器 ITK 迭代 置信 像素 区域 图像 PNG itk

  1 #include "itkConfidenceConnectedImageFilter.h"//包含置信连接类
  2 //图像中存在的噪声会降低这个滤波器生长大面积区域的能力。当面对噪声图像时,通常
  3 //是使用一个边缘保留平滑滤波器
  4 #include "itkCastImageFilter.h"//滤波器
  5 #include "itkCurvatureFlowImageFilter.h"//边缘保留平滑滤波器
  6 #include "itkImageFileReader.h"
  7 #include "itkImageFileWriter.h"
  8  
  9 //ConfidenceConnected Image Filter 使用的标准是基于当前区域的简单统计上的。首先,算法计算包含在区域中的所
 10 //有像素亮度的平均值和标准差。用户提供一个因子用来乘以标准差并定义一个平均值的范
 11 //围。相邻像素中亮度值在这个范围内的将包含到这个区域中。当没有更多的像素符合这个标
 12 //准时,算法将结束它的第一次迭代。使用包含在区域内的所有像素再次计算亮度值的平均值
 13 //和标准差。这个平均值和标准差定义一个新的亮度范围,用来查看当前区域的邻域并评价它
 14 //们的亮度是否落在这个范围内。重复这个迭代过程直到没有新的像素再加进来或者已经达到
 15 //了迭代器的最大数目。下面的式子阐述了这个滤波器的使用范围:
 16 //I(X) ∈[m− fσ, m + fσ]
 17 //其中 m 和 σ 分别是区域亮度的平均值和标准差, f 是用户提供的一个因子, I() 是图像,
 18 //X 是区域中特殊相邻像素的位置
 19  
 20 int main( int argc, char *argv[] )
 21 {
 22   //if( argc < 5 )
 23   //  {
 24   //  std::cerr << "Missing Parameters " << std::endl;
 25   //  std::cerr << "Usage: " << argv[0];
 26   //  std::cerr << " inputImage  outputImage seedX seedY " << std::endl;
 27   //  return EXIT_FAILURE;
 28   //  }
 29   /*现在我们使用一个像素类型和一个特殊的维来定义图像类型。由于需要使用平滑滤波
 30   器,所以这种情况下对像素使用浮点型数据类型*/
 31   typedef   float           InternalPixelType;
 32   const     unsigned int    Dimension = 2;
 33   typedef itk::Image< InternalPixelType, Dimension > InternalImageType;
 34  
 35   typedef unsigned char                            OutputPixelType;
 36   typedef itk::Image< OutputPixelType, Dimension > OutputImageType;
 37  
 38   typedef itk::CastImageFilter< InternalImageType, OutputImageType >
 39     CastingFilterType;
 40   CastingFilterType::Pointer caster = CastingFilterType::New();
 41  
 42   typedef itk::ImageFileReader< InternalImageType > ReaderType;
 43   typedef itk::ImageFileWriter< OutputImageType >   WriterType;
 44  
 45   ReaderType::Pointer reader = ReaderType::New();
 46   WriterType::Pointer writer = WriterType::New();
 47  
 48   reader->SetFileName( "BrainProtonDensitySlice.png" );
 49   writer->SetFileName( "BrainProtonDensitySlice_connect2.png" );
 50  
 51   //使用图像类型作为模板参数来对平滑滤波器进行实例化
 52   typedef itk::CurvatureFlowImageFilter< InternalImageType, InternalImageType >
 53     CurvatureFlowImageFilterType;
 54   //调用 New( ) 方式来创建滤波器并将接指向 itk::SmartPointer
 55   CurvatureFlowImageFilterType::Pointer smoothing =
 56                          CurvatureFlowImageFilterType::New();
 57  
 58   /*现在我们声明区域生长滤波器的类型,本例中使用 ConnectedThresholdImageFilter*/
 59   typedef itk::ConfidenceConnectedImageFilter<
 60             InternalImageType, InternalImageType> ConnectedFilterType;
 61   //然后我们使用 New( ) 方式构造这种类的一个滤波器
 62   ConnectedFilterType::Pointer confidenceConnected = ConnectedFilterType::New();
 63   /*现在到了创建一个简单的线性管道的时候。在管道的开头添加一个 reader 件头并在末尾
 64   添加一个 cast filter 和 writer 。由于只有仅仅一小部分图像文件格式支持浮点型数据类型,
 65   所以使用 cast filter 将浮点型数据类型转换成整型*/
 66   smoothing->SetInput( reader->GetOutput() );//滤波
 67   confidenceConnected->SetInput( smoothing->GetOutput() );//区域增长置信连接
 68   caster->SetInput( confidenceConnected->GetOutput() );//类型转换,浮点型数据类型转换成整型
 69   writer->SetInput( caster->GetOutput() );
 70   
 71   //滤波
 72   /*CurvatureFlowImageFilter 需要定义两个参数。下面是一个二维图像的常见值。当然它们
 73   也需要根据输入图像存在的噪声的数量进行适当的调整*/
 74   smoothing->SetNumberOfIterations( 5 );
 75   smoothing->SetTimeStep( 0.125 );
 76   
 77  
 78   //区域增长-置信连接
 79   /*ConfidenceConnectedImageFilter 需要定义两个参数。第一个,定义亮度范围大小的因子
 80   f 。乘法因子太小将限制当前区域中很多有相似亮度的像素;乘法因子太大将放松接受条件
 81   并导致区域过度生长。值太大就会使得这些区域生长到邻近区域,而这些邻近区域实际上可
 82   能属于独立的解剖结构*/
 83   confidenceConnected->SetMultiplier( 2.5 );//定义亮度范围大小的因子f
 84   /*迭代器的数目是基于被分割的解剖学结构亮度的均匀性之上指定的。均匀性高的区域仅
 85   需要一对迭代器。带有 ramp 效果的区域,如带有不同一领域的 MRI 图像,就需要更多的迭代
 86   器。实际上,精心选择乘法因子似乎比迭代器的数目更加重要。然而,务必紧记这个算法毫
 87   无疑问需要集中于一个稳定的区域。在这个算法上使用过多的迭代器将很有可能使这个区域
 88   吞没整个图像*/
 89   confidenceConnected->SetNumberOfIterations( 5 );//迭代器数目(迭代次数)
 90   /*这个滤波器的输出是一个二值图像,这个二值图像除了分割出的区域外到处都是零值像
 91   素。区域中的亮度值是由 SetReplaceValue() 方式来选择的*/
 92   confidenceConnected->SetReplaceValue( 255 );
 93  
 94   /*这个算法的实例化需要用户提供一个种子点。将这个点选在被分割的解剖学结构的典型
 95   区域是很便捷的。种子区域周围的一个小的邻域将用来计算包含在标准里的最初的平均值和
 96   标准差。种子是以一种 itk::Index 的形式传递给 SetSeed() 方式的*/
 97   InternalImageType::IndexType  index;
 98   //设置种子点坐标位置
 99   index[0] = atoi( "107" );
100   index[1] = atoi( "69" );
101   confidenceConnected->SetSeed( index );
102   /*种子区域周围邻域最初的大小是使用 SetInitialNeighborhoodRadius() 方式来定义的。这
103   个邻域将定义成一个拥有 2r + 1 个像素的 N(二维图像为2,三维为3) 维矩形区域,其中 r 是作为最初邻域范围的传递值*/
104   confidenceConnected->SetInitialNeighborhoodRadius( 2 );//设置最初邻域范围的传递值r  即5像素矩阵
105   /*writer 上的 Updata() 方法引发了管道的运行。通常在出现错误和抛出异议时, 从一个
106   try / catch 模块调用 updata*/
107   try
108     {
109     writer->Update();
110     }
111   catch( itk::ExceptionObject & excep )
112     {
113     std::cerr << "Exception caught !" << std::endl;
114     std::cerr << excep << std::endl;
115     }
116   
117   return EXIT_SUCCESS;
118 }

标签:滤波器,ITK,迭代,置信,像素,区域,图像,PNG,itk
From: https://www.cnblogs.com/ybqjymy/p/17634807.html

相关文章

  • ITK 实例7 置信连接算法对脑部MHA文件进行三维分割
    在这个例子中使用前面例子中的代码,并设置图像的维数为3。应用梯度各向异性扩散来平滑图像。这个滤波器使用两个迭代器、一个值为0.05的timestep和一个值为3的conductance值,然后使用置信连接方式对平滑后的图像进行分割。使用的五个种子点的坐标分别为(118,85,92)......
  • ITK 实例8 孤立连接算法对脑部PNG图像进行二维分割
    1#include"itkIsolatedConnectedImageFilter.h"2#include"itkImage.h"3#include"itkCastImageFilter.h"4#include"itkCurvatureFlowImageFilter.h"5#include"itkImageFileReader.h"6#include"......
  • ITK 实例9 孤立连接算法对脑部MHA文件进行三维分割
    1#include"itkIsolatedConnectedImageFilter.h"2#include"itkImage.h"3#include"itkCastImageFilter.h"4#include"itkCurvatureFlowImageFilter.h"5#include"itkImageFileReader.h"6#include"......
  • ITK 实例3 PNG图像进行二维非线性映射
    1#include"itkImage.h"2#include"itkImageFileReader.h"3#include"itkImageFileWriter.h"4//非线性映射滤波器头文件5#include"itkSigmoidImageFilter.h"67intmain(intargc,char*argv[])8{9/*if(argc......
  • ITK 实例4 MHA格式文件进行三维非线性映射
    1#include"itkImage.h"2#include"itkImageFileReader.h"3#include"itkImageFileWriter.h"4//非线性映射滤波器头文件5#include"itkSigmoidImageFilter.h"6//注:非线性映射算法只能实现像素值(0-255)范围的输入输出映射。7intmain(intargc,cha......
  • ITK 实例5 PNG图像进行不带滤波的二维梯度强度提取
    图像梯度的强度广泛地应用在图像分析中,主要用来帮助检测对象轮廓和分离均匀区域。itk::GradientMagnitudeImageFilter使用一个简单的有限差分方式来计算图像中每个像素位置的梯度强度。例如:在二维情况下计算等同于将图像使用模块类型,如下所示:然后计算它们的平方和并计算和的......
  • ITK 实例6 PNG图像进行带滤波的二维梯度强度提取
    微分是对一个数字数据的不规则操作。实际中可以方便地定义一个执行微分的比例。在执行这样的滤波时使用一个高斯核被认为是最便捷的选择。通过选择一个特定的高斯标准差(σ),就可以选择一个相应的比例来去除通常被认为是噪声的高频部分。itk::GradientMagnitudeRecursiveG......
  • ITK 实例7 向量图像(将一个向量存储到一个图像像素中)
    1#include"itkVector.h"//向量类的头文件2#include"itkImage.h"34intmain(int,char*[])5{6/*向量类的使用是在基于空间中代表坐标和维数的类型之上进行模板化的。在此例中,向7量的长度和图像长度相匹配,但是并不是完全相同。我们可以用一个三维的向......
  • ITK 实例6 RGB图像像素色彩成分的访问
    1#include"itkImage.h"2#include"itkImageFileReader.h"3//为了使用itk::RGBPixel类,包含头文件4#include"itkRGBPixel.h"5//在ITK中如何表示RGB图像。6intmain(int,char*argv[])7{8//RGBPixeld类的使用是基于用来代表红、绿和蓝的像素......
  • ITK 实例8 从缓冲器中输入图像数据
    1#include"itkImage.h"2#include"itkImportImageFilter.h"//包含ImportImageFilter(图像像素数据导入缓冲器)类的头文件3#include"itkImageFileWriter.h"4//这个例子阐述了如何将数据输入到itk::Image类中。这在同其他软件系统相连时更加有5//用。许多......