activecontour
動的輪郭 (snakes) 領域拡張法を使用した前景と背景へのイメージのセグメント化
構文
説明
"動的輪郭" 法は、"snakes" とも呼ばれる、反復的な領域拡張を行うイメージ セグメンテーション アルゴリズムです。動的輪郭アルゴリズムを使用して、イメージ上で初期曲線を指定してから、関数 activecontour を使用して、オブジェクト境界に向かってカーブを変化させます。
BW = activecontour(A,mask)A を前景 (オブジェクト) 領域と背景領域にセグメント化します。
mask 引数は、動的輪郭の初期状態を指定するバイナリ イメージです。mask 内のオブジェクト領域 (白) の境界は、イメージのセグメント化で輪郭を変化させるために使用する初期輪郭の位置を定義します。出力イメージ BW は、前景が白 (logical true)、背景が黒 (logical false) のバイナリ イメージです。
セグメンテーションの結果をより高速にかつ正確に取得するには、目的とするオブジェクト境界に近い初期輪郭の位置を指定してください。
BW = activecontour(___,Name=Value)
例
グレースケール イメージを読み取り、それを表示します。
I = imread('coins.png'); imshow(I) title('Original Image')
対象オブジェクトの周囲の初期輪郭を指定します。輪郭を表示します。
mask = zeros(size(I));
mask(25:end-25,25:end-25) = 1;
imshow(mask)
title('Initial Contour Location')
関数 activecontour を使用して、イメージをセグメント化します。既定では、この関数は 100 回反復してセグメンテーションを行います。
bw = activecontour(I,mask);
結果を表示します。元の輪郭がオブジェクト境界の近くにないため、100 回の反復後でも、オブジェクトは背景から完全にはセグメント化されていません。
imshow(bw)
title('Segmented Image, 100 Iterations')
セグメンテーションを続けるには、反復回数を増やします。300 回の反復後、オブジェクトが背景から完全にセグメント化されます。
bw = activecontour(I,mask,300);
imshow(bw)
title('Segmented Image, 300 Iterations')
グレースケール イメージを読み取り、それを表示します。
I = imread('toyobjects.png');
imshow(I)
関数 drawrectangle を使用して、対象オブジェクトの近くに初期輪郭を描画します。輪郭の描画後、関数 createMask を使用して、マスクを作成します。
r = drawrectangle;
mask = createMask(r);
'edge' メソッドと 200 回の反復を使用してイメージをセグメント化します。
bw = activecontour(I,mask,200,'edge');最終的な輪郭を元のイメージ上に赤で表示します。
hold on; visboundaries(bw,'Color','r');
セグメンテーションの結果を元のイメージ上に表示します。前景のオブジェクトは青色になっています。
figure imshow(labeloverlay(I,bw));
3 次元ボリューム イメージ データを読み込み、大きさが 1 の次元を削除します。
D = load('mri.mat');
A = squeeze(D.D);初期シード ポイントの 2 次元マスクを作成します。
seedLevel = 10; seed = A(:,:,seedLevel) > 75; figure imshow(seed)
空の 3 次元シード マスクを作成し、そこにシード ポイントを挿入します。
mask = zeros(size(A)); mask(:,:,seedLevel) = seed;
動的輪郭でシード マスクを指定して、セグメンテーションを実行します。
bw = activecontour(A,mask,300);
セグメント化された 3 次元イメージを表示します。
figure; p = patch(isosurface(double(bw))); p.FaceColor = 'red'; p.EdgeColor = 'none'; daspect([1 1 27/128]); camlight; lighting phong
入力引数
名前と値の引数
出力引数
ヒント
activecontourは、変化を開始する輪郭の初期状態として、maskの領域の境界を使用します。マスクにある穴によって予測できない結果が生じる可能性があります。imfillを使用して、maskの領域の穴を塗りつぶしてください。領域がイメージの境界と接触している場合、
activecontourは、処理を進める前に領域から単一ピクセルのレイヤーを削除し、領域がイメージの境界に接触しないようにします。特に
"edge"メソッドの場合、結果をより高速かつ正確に取得するには、目的とするオブジェクト境界に近い初期輪郭の位置を指定してください。"edge"メソッドでは、動的輪郭が内側へと縮小する (閉じる) ように自然にバイアスがかけられます。イメージのグラデーションがまったくない場合、動的輪郭は自然に縮小します。一方、輪郭にバイアスがかけられない"Chan-Vese"メソッドでは、イメージの特徴に応じて自由に輪郭の縮小や拡大が行われます。"edge"メソッドで正確なセグメンテーションを実現するには、初期輪郭をオブジェクトの境界の外側に配置するように指定してください。"edge"メソッドを使用した動的輪郭は、既定では縮小するバイアスがかけられます。オブジェクト領域でグレースケールの強度が大きく異なる場合、
"Chan-Vese"メソッド [1] では、イメージ内のすべてのオブジェクトがセグメント化されないことがあります。たとえば、イメージに背景よりも明るいオブジェクトと暗いオブジェクトが含まれる場合、通常、"Chan-Vese"メソッドでは、明るいオブジェクトか暗いオブジェクトのどちらか一方のみがセグメント化されます。
アルゴリズム
activecontour は、動的輪郭の変化を実装するために、[3] で説明されているメソッドと類似した Sparse-Field level-set メソッドを使用します。
参照
[1] T. F. Chan, L. A. Vese, Active contours without edges. IEEE Transactions on Image Processing, Volume 10, Issue 2, pp. 266-277, 2001.
[2] V. Caselles, R. Kimmel, G. Sapiro, Geodesic active contours. International Journal of Computer Vision, Volume 22, Issue 1, pp. 61-79, 1997.
[3] R. T. Whitaker, A level-set approach to 3d reconstruction from range data. International Journal of Computer Vision, Volume 29, Issue 3, pp. 203-231, 1998.
