activecontour
利用主动轮廓(蛇)区域生长技术将图像分割成前景和背景
语法
描述
的活跃的轮廓技术,也被称为蛇,是一种迭代的区域增长图像分割算法。使用主动轮廓算法,您可以在图像上指定初始曲线,然后使用activecontour
函数使曲线向物体边界演化。
例子
输入参数
输出参数
提示
activecontour
中使用区域的边界面具
作为进化开始的轮廓的初始状态。口罩上的洞会导致不可预知的结果。使用imfill
填补任何区域的空洞面具
.如果一个区域触及图像边界,那么
activecontour
在进一步处理之前,从该区域删除一个单像素层,以便该区域不接触图像边界。要获得更快更准确的结果,请指定接近所需对象边界的初始轮廓位置,特别是对于
“边缘”
方法。为
“边缘”
方法,活动轮廓自然偏向向内收缩(塌陷)。在没有任何图像梯度的情况下,活动轮廓会自行收缩。相反,“Chan-Vese”
方法,其中轮廓是无偏的,轮廓可以根据图像特征自由收缩或扩展。实现了精确的分割
“边缘”
方法,指定位于对象边界之外的初始轮廓。活动轮廓带“边缘”
方法在默认情况下偏向于收缩。如果目标区域具有显著不同的灰度强度,则
“Chan-Vese”
方法[1]可能无法分割图像中的所有对象。例如,如果图像包含比背景更亮的物体和一些比背景更暗的物体,则“Chan-Vese”
方法通常只分割出黑暗或明亮的物体。
算法
activecontour
使用稀疏场水平集方法,类似于[3],用于实现主动轮廓演化。
参考文献
[1]陈廷芳,l.a. Vese,无边的活动轮廓.《IEEE图像处理汇刊》,第10卷,第2期,第266-277页,2001。
V. Caselles, R. Kimmel, G. Sapiro,测地线主动轮廓.国际计算机视觉杂志,第22卷,第1期,第61-79页,1997。
r·t·惠特克,基于距离数据的三维重建的水平集方法.国际计算机视觉杂志,第29卷,第3期,第203-231页,1998。
版本历史
介绍了R2013a