本发明专利技术提供一种图像预分割方法
【技术实现步骤摘要】
图像预分割方法、装置、介质、电子设备
[0001]本专利技术属于图像处理
,尤其涉及一种图像预分割方法
、
装置
、
介质
、
电子设备
。
技术介绍
[0002]不同的医学成像技术,可以获得不同的类型的医疗图像,如
CT
图,
MRI
图等,其中通过免疫组化染色得到的肺部肿瘤病理组织图像由于专业操作的失误等会造成图像重影,感兴趣
(ROI)
区域边界模糊等问题
。
因此对病理组织图像进行分割困难重重
。
技术实现思路
[0003]针对现有技术的不足,本专利技术提出一种图像预分割方法
、
装置
、
介质
、
电子设备,提高分割准确度,减少图像重影
、
感兴趣
(ROI)
区域边界模糊等问题
。
[0004]为了实现上述目的,本专利技术一方面提供一种图像预分割方法,包括:
[0005]初始化样本图像的聚类中心,生成第一聚类中心;
[0006]在所述第一聚类中心的第一尺度邻域内通过计算所有像素点的梯度值重新选择聚类中心,生成第二聚类中心;
[0007]在所述第二聚类中心周围的邻域内为每个像素点分配类型标签;
[0008]计算每个像素点到所述第二聚类中心的距离
。
[0009]可选的,所述第一尺度邻域采用
3*3
邻域
。
[0010]可选的,选择梯度值最小的像素点作为所述第二聚类中心
。
[0011]可选的,所述在所述第二聚类中心周围的邻域内为每个像素点分配类型标签,包括:
[0012]依据
2S*2S
的搜索范围,在所述第二聚类中心周围的
2S*2S
邻域内对每个像素点进行聚类中心判断;
[0013]确定每个像素点距离最小的一聚类中心;
[0014]依据距离最小的一聚类中心的类别,标记每个像素点的类型标签
。
[0015]可选的,在聚类中心之间距离
S
的区域内,
2S*2S
邻域内计算每个像素点与所述第二聚类中心的距离,包括颜色距离和空间距离
。
[0016]可选的,所述计算每个像素点到所述第二聚类中心的距离之后,还包括:
[0017]依据每个像素点的类型标签,计算属于同一个聚类的所有像素点的平均向量值,得到第三聚类中心
。
[0018]所述第三聚类中心与所述第二聚类中心的距离满足预设距离阈值
。
[0019]本专利技术另一方面还提供了一种图像预分割装置,采用上述的图像预分割方法,至少包括:
[0020]聚类中心初始化模块,用于初始化样本图像的聚类中心,生成第一聚类中心;
[0021]聚类中心优化模块,用于在所述第一聚类中心的第一尺度邻域内通过计算所有像
素点的梯度值重新选择聚类中心,生成第二聚类中心;
[0022]像素标记模块,用于在所述第二聚类中心周围的邻域内为每个像素点分配类型标签;
[0023]距离计算模块,用于计算每个像素点到所述第二聚类中心的距离
。
[0024]本专利技术另一方面还提供了一种存储介质,用于存储一种用于执行权上述的图像预分割方法的计算机程序
。
[0025]本专利技术另一方面还提供了一种电子设备,包括存储器
、
处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的图像预分割方法
。
[0026]由以上方案可知,本专利技术的优点在于:
[0027]本专利技术提供的图像预分割方法,基于
SLIC
算法,通过初始化样本图像的聚类中心,生成第一聚类中心;在第一聚类中心的第一尺度邻域内通过计算所有像素点的梯度值重新选择聚类中心,生成第二聚类中心,并为其周围的邻域内为每个像素点分配类型标签,进而确定每个像素点到所述第二聚类中心的距离
。
该方法生成的聚类中心超像素块之间排列紧密,区域特征比较容易表达
。
这样后续操作对超像素块进行处理即可
。
此外,其操作简单,参数设置少,默认情况下只需要设置一个预分割的聚类中心数量
。
同时,相比其他的图像分割方法,本专利技术基于
SLIC
算法在运行速度
、
生成超像素的紧凑度
、
轮廓保持方面都比较理想
。
其中它对边界召回率
、
模糊边界的鲁棒性
、
超像素大小的设置比较友好,这对医学图像分割的分割性能都有很大的帮助
。
附图说明
[0028]图1为本专利技术实施例一提供的图像预分割方法的流程示意图;
[0029]图2为本专利技术实施例二提供的图像预分割方法的流程示意图;
[0030]图3为本专利技术的图像预分割装置的框架图;
[0031]图4为电子设备的结构示意图;
[0032]其中:
[0033]300
‑
图像预分割装置
[0034]301
‑
聚类中心初始化模块
[0035]302
‑
聚类中心优化模块
[0036]303
‑
像素标记模块
[0037]304
‑
距离计算模块
[0038]400
‑
电子设备
[0039]401
‑
处理器
[0040]402
‑
存储器
。
具体实施方式
[0041]为让本专利技术的上述特征和效果能阐述的更明确易懂,下文特举实施例,并配合说明书附图作详细说明如下
。
[0042]简单线性迭代聚类
(SLIC)
算法是一种基于梯度上升的超像素算法,由于其良好的
感知意义特性,被越来越多地应用于医学图像处理中,
SLIC
算法作为主流超像素素分割算法,相较于
Graph
‑
based(
基于图论方法
)
,
Normalized cut(
归一化分割
)
,
Turbopixel
,
Quick
‑
shift
,
Graph
‑
cut a
,
Graph
‑
cut b
更加理想
。
本专利技术基于简单线性迭代聚类
(SLIC)
,提供了一种图像预分割方法,能够提高分割准确度,减少图像重影
、
感兴趣
(RO本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种图像预分割方法,其特征在于,包括:初始化样本图像的聚类中心,生成第一聚类中心;在所述第一聚类中心的第一尺度邻域内通过计算所有像素点的梯度值重新选择聚类中心,生成第二聚类中心;在所述第二聚类中心周围的邻域内为每个像素点分配类型标签;计算每个像素点到所述第二聚类中心的距离
。2.
根据权利要求1所述的方法,其特征在于,所述第一尺度邻域采用
3*3
邻域
。3.
根据权利要求1所述的方法,其特征在于,选择梯度值最小的像素点作为所述第二聚类中心
。4.
根据权利要求1所述的方法,其特征在于,所述在所述第二聚类中心周围的邻域内为每个像素点分配类型标签,包括:依据
2S*2S
的搜索范围,在所述第二聚类中心周围的
2S*2S
邻域内对每个像素点进行聚类中心判断;确定每个像素点距离最小的一聚类中心;依据距离最小的一聚类中心的类别,标记每个像素点的类型标签
。5.
根据权利要求1所述的方法,其特征在于,在聚类中心之间距离
S
的区域内,
2S*2S
邻域内计算每个像素点与所述第二聚类中心的距离,包...
【专利技术属性】
技术研发人员:沙清爽,王亚楠,闰瑾,孙凯伦,
申请(专利权)人:齐鲁理工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。