я следовал за 2-D Watershed example в Mathworks.com, чтобы отделить подключенные объекты, как показано ниже:Чрезмерная сегментации Уотершед алгоритма
код является суммировать следующим образом:
bw = imread('some_binary_image.tif');
D = -bwdist(~bw);
D(~bw) = -Inf;
L = watershed(D);
В результате:
Частица в центре разделена на две части. Есть ли способы избежать чрезмерной сегментации здесь?
Спасибо, lennon310, chessboard
действительно хорошо работает для большинства моих изображений, но все же есть случаи, когда этого не происходит. Например, следующее бинарное изображение:
Использование шахматной доски приведет:
Поскольку у меня есть сотни изображений, кажется, что трудно найти одну комбинацию параметров, которые работают для всех изображений , Мне интересно, если мне нужно, чтобы объединить хорошие результаты, полученные с помощью шахматной доски, Cityblock и т.д ...
Какова ваша цель для сотен обработки изображений? нет необходимости использовать водораздел для извлечения объектов. Так как между двумя кругами на вашем изображении есть крошечные связи, базовый метод маркировки подключенных компонентов может также не работать. На самом деле в наборе инструментов обработки изображений Matlab есть круглые детекторы (hough, imfindcircles, ...). – lennon310
@ lennon310: На самом деле это снимки, сделанные рентгеновской томографией. Я хочу создать маску для частицы моего интереса. В настоящее время я использую Connected Threshold Grower в ImageJ, который может найти связанную область из начальной точки.Установив начальную точку в интересующей частице, Connected Threshold Grower может дать результат, который содержит только эту частицу, если она не касается других частиц. Теперь я вручную удаляю трогательную границу для сотен изображений, что требует много времени. Я пытаюсь использовать водораздел для автоматического отделения этих частиц. – shapeare
Рентгеновские изображения не являются бинарными изображениями, не так ли? Я думаю, что подключенный компонент может быть обнаружен, или даже алгоритм кластеризации стоит попробовать необработанные изображения, основанные на разности интенсивностей. Для двоичного изображения, особенно вашего обновленного, сложно сегментировать два фактически связанных круга. – lennon310