主要内容

selectBlockLocations

从阻塞的图像中选择块

描述

blset= selectBlockLocations (智能化系统从一个或多个块中选择一组不重叠的惟一块blockedImage对象智能化系统在每个图像中可用的最佳分辨率。返回blset,一个blockLocationsSet对象。

例子

blset= selectBlockLocations (智能化系统名称,值使用一个或多个名称-值对参数指定关于要选择的块的其他选项,例如块之间的重叠和间距。

例子

全部折叠

创建一个阻塞映像。

bim = blockedImage(“tumor_091R.tif”);

创建一个排除不完整块的块位置集。

bls = selectBlockLocations(bim,“ExcludeIncompleteBlocks”,真正的);

创建一个blockedImageDatastore从这组方块中。

bimds = blockedImageDatastore(bim,“BlockLocationSet”美国劳工统计局);

可视化被阻塞的位置。

bigimageshow (bim)

块大小按行-col(高-宽)顺序排列。

blockedWH = fliplr(bls.BlockSize(1,1:2));ind = 1:size(bls.BlockOrigin,1)% BlockOrigin已经在x,y的顺序。drawrectangle (“位置”, (bls.BlockOrigin(印第安纳州,1:2),blockedWH]);结束

图中包含一个轴对象。axis对象包含21个bigimageshow、images.roi.rectangle类型的对象。

创建一个阻塞映像。

bim = blockedImage(“tumor_091R.tif”);

创建一个blockLocationSet对象。

blockSize = [2048 3072];overlapPct = 0.5;blockoffset = round(blockSize.* overlpct);bls = selectBlockLocations(bim,...“BlockSize”blockSize,...“BlockOffSets”blockOffsets,...“ExcludeIncompleteBlocks”,真正的);

创建一个blockedImageDatastore从这组方块中。

bimds = blockedImageDatastore(bim,“BlockLocationSet”美国劳工统计局);

可视化被阻塞的位置。

bigimageshow (bim)

块大小按行-col(高-宽)顺序排列。

blockedWH = fliplr(bls.BlockSize(1,1:2));color = prism(size(bls.BlockOrigin,1));ind = 1:size(bls.BlockOrigin,1) blockedColor = colors(ind,:);% BlockOrigin已经是x-y顺序drawrectangle (“位置”, [bls.BlockOrigin(ind,1:2), blockedWH],“颜色”, blockedColor);结束

图中包含一个轴对象。axis对象包含7个类型为bigimageshow、images.roi.rectangle的对象。

创建一个阻塞映像。

bim = blockedImage(“tumor_091R.tif”);

创建一个blockLocationSet对象。

blockedSize = [1024 512];spacePct = 0.5;blockedOffsets = blockedSize + blockedSize.*spacePct;bls = selectBlockLocations(bim,...“BlockSize”blockedSize,...“BlockOffSets”blockedOffsets,...“ExcludeIncompleteBlocks”,真正的);

创建一个blockedImageDatastore对象。

bimds = blockedImageDatastore(bim,“BlockLocationSet”美国劳工统计局);

可视化块的位置。

bigimageshow (bim)块大小按行-col(高-宽)顺序排列blockedWH = fliplr(bls.BlockSize(1,1:2));ind = 1:size(bls.BlockOrigin,1)% BlockOrigin已经是x-y顺序drawrectangle (“位置”, [bls.BlockOrigin(ind,1:2), blockedWH]);结束

图中包含一个轴对象。axis对象包含22个bigimageshow、images.roi.rectangle类型的对象。

创建一个阻塞映像。

bim = blockedImage(“tumor_091R.tif”);

显示阻塞的图像。

H = bigimageshow(bim);

图中包含一个轴对象。axis对象包含一个bigimageshow类型的对象。

创建一个最粗糙的蒙版。

clevel = bim.NumLevels;bmask = apply(bim,@(b)~ imbinalize (im2gray(b. data)),“水平”, clevel);

使用showMask估计InclusionThreshold价值。

showmask (h, bmask“BlockSize”(256 256),“InclusionThreshold”, 0.9)

图中包含一个轴对象。axis对象包含一个bigimageshow类型的对象。

创建一个blockedImagedatastore对于其中至少90%像素为真正的在蒙版所定义的染色区域。

mbls = selectBlockLocations(bim,...“水平”, 1...“面具”bmask,“InclusionThreshold”, 0.90,...“BlockSize”256年[256]);

创建一个blockedImageDatastore从这组方块中。

bimds = blockedImageDatastore(bim,“BlockLocationSet”, mbls);

核实。

bimds。ReadSize = 10;Blocks = read(bimds);图蒙太奇(块,“BorderSize”5,“写成BackgroundColor”“b”);

图中包含一个轴对象。axis对象包含一个image类型的对象。

输入参数

全部折叠

被阻塞的图像,指定为blockedImage对象或b的-元素向量blockedImage对象。

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。

在R2021a之前,使用逗号分隔每个名称和值,并将其括起来名字在报价。

例子:“BlockSize”,(224 224)设置块大小为224 * 224。

相邻块的偏移量,指定为形式为[的2元素正整数行向量].

默认值为BlockSize,产生不重叠的块。若要重叠块,请指定一个较小的值。若要在块之间添加间隙,请指定一个较大的值。

块大小,指定为2元素的正整数行向量,形式为[].缺省值为TheBlockSize属性中第一个阻塞图像的最佳分辨率级别智能化系统

排除小于'的不完整块BlockSize,指定为数字的或逻辑的0)或1真正的

掩码块的包含阈值,指定为数值标量或b-element数值向量,其值范围为[0,1]。的InclusionThreshold参数的元素个数必须与面具论点。的selectBlockLocations函数选择与相应掩码块的前景重叠的块,重叠的百分比大于或等于指定的值“InclusionThreshold”

  • 当包含阈值为时0,selectBlockLocations函数在对应的掩码块中至少有一个像素非零时选择一个块。

  • 当包含阈值为时1,selectBlockLocations函数仅当掩码块中的所有像素都非零时才选择一个块。

从每个块图像中的块的分辨率级别智能化系统,指定为标量正整数或相同大小的数组智能化系统.如果指定标量值,则selectBlockLocations函数从相同分辨率的所有阻塞图像中选择块。默认值是阻塞图像数组中每个图像的最优级别,智能化系统

数据类型:

掩码图像,指定为大小相同的数组智能化系统.掩码图像的底层数据类型是逻辑.的selectBlockLocations函数选择与相应掩码块的前景重叠的块InclusionThreshold.蒙版应该与对应的世界坐标系统相同blockedImage智能化系统数组中。

使用并行处理计算掩码块,指定为数字的或逻辑的0)或1真正的.当掩码不适合内存时,并行计算掩码是有益的。

使用并行处理需要并行计算工具箱™。的selectBlockLocations函数使用现有的并行工作池,或在没有活动的并行池时打开新池。的中的每个阻塞图像的属性智能化系统必须是所有并行工作线程上的有效路径。

输出参数

全部折叠

块位置,返回为blockLocationSet对象。

参考文献

[1]Bejnordi, Babak Ehteshami, Mitko Veta, Paul Johannes van Diest, Bram van Ginneken, Nico Karssemeijer, Geert Litjens, Jeroen A. W. M. van der Laak等,“深度学习算法用于检测乳腺癌女性淋巴结转移的诊断评估。”JAMA 318,不是。22(2017年12月12日):2199-2210。https://doi.org/10.1001/jama.2017.14585。

版本历史

R2020b中介绍

Baidu
map