CN107742299B - 一种图像分割方法和装置 - Google Patents
一种图像分割方法和装置 Download PDFInfo
- Publication number
- CN107742299B CN107742299B CN201711217965.6A CN201711217965A CN107742299B CN 107742299 B CN107742299 B CN 107742299B CN 201711217965 A CN201711217965 A CN 201711217965A CN 107742299 B CN107742299 B CN 107742299B
- Authority
- CN
- China
- Prior art keywords
- point
- seed point
- seed
- pixel
- source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003709 image segmentation Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种图像分割方法和装置,涉及图像处理技术领域,用于提高图像分割的准确度。该方法包括:循环执行下述步骤:获取与源种子点相邻的各像素点的灰度值;选取预选取种子点;预选取种子点为与源种子点相邻的像素点中灰度值与源种子点的灰度值的差值的绝对值小于阈值的像素点;获取生长种子点,并将生长种子加入种子点队列;生长种子为预选取种子点中种子点队列不包含的像素点中灰度值与源种子点的灰度值的差值的绝对值最小的像素点;将生长种子点作为下一循环中的源种子点循环执行上述步骤,直至不能获取新的生长种子点;根据种子点队列中的像素点获取目标图像。本发明实施例用于图像分割。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像分割方法和装置。
背景技术
图像分割是指按照图像显示内容的特点将图像分割成各具特色的多个区域,并提取感兴趣区域的过程。因为基于图像的后续操作或评估等的均是以假设完成准确的图像分割为基础的,因此图像分割的研究一直是图像处理领域的研究热点问题之一。
目前,现有技术中已经提出的图像分割方法包括:阈值分割方法、基于边缘检测的分割方法、基于区域生长的分割方法。其中,阈值分割方法主要通过像素点与相邻像素点的灰度差来判断相邻像素点是否属于同一区域;在通过阈值分割方法进行分割图像时,若图像中不存在很明显的灰度差异或各对象的灰度范围有很大重叠,则很难取得准确的分割结果。基于边缘检测的分割方法主要各种边缘检测算法图像处理得到分散的边缘,然后在将边缘连接得到目标区域;这种图像分割方法若提高边缘检测精度,则噪声产生的伪边缘会导致不合理的轮廓,若提高抗噪声,则会产生轮廓漏检和位置偏差等现象。基于区域生长的分割方法从满足检测准则的种子点开始,逐渐向各个方向上生长,若其相邻像素点满足特定检测规则,则将其相邻的像素点作为新的种子点并入目标区域中,根据新的种子点重复上述过程,直到没有可接受的相邻像素点;该方法计算简单且对均匀的连通目标的分割效果较好,然而该图像分割方法在进行图像分割时,未考虑整体图像与像素点之间的关系,进而导致图像分割的准确度仍然有待提高。综上,如何提高图像分割的准确度是本领域技术人员亟待解决的一个技术问题。
发明内容
本发明的实施例提供一种图像分割方法和装置,用于提高图像分割的准确度。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,提供图像分割方法,包括:
循环执行下述步骤:
获取与所述源种子点相邻的各像素点的灰度值;
选取预选取种子点;所述预选取种子点为与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点;
获取生长种子点,并将所述生长种子加入种子点队列;所述生长种子为所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点;
将所述生长种子点作为下一循环中的源种子点循环执行上述步骤,直至不能获取新的生长种子点;
根据所述种子点队列中的像素点获取目标图像。
第二方面,提供一种图像分割装置,包括:
获取单元,用于获取与所述源种子点相邻的各像素点的灰度值;
处理单元,用于选取预选取种子点以及生长种子点,并将所述生长种子加入种子点队列;所述预选取种子点为与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点;所述生长种子为所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点;
所述获取单元、处理单元还用将所述生长种子点作为下一循环中的源种子点循环执行骤,直至不能获取新的生长种子点;
图像输出单元,用于根据所述种子点队列中的像素点获取目标图像。
本发明实施例提供的图像分割方法,通过获取与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点;然后获取所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点作为生长种子点,并将其像素坐标加入种子点队列;再然后将生长种子点作为下一循环中的源种子点循环执行上述方法,直至不能获取新的生长种子点,最后根据种子点队列中的像素点获取目标图像,由于在根据源种子点确定的生长种子点是预选取种子点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点,即可以将与源种子点的灰度变化率最小的方向作为生长方向,由于本发明实施例在图像分割过程中将与源种子点的灰度变化率最小的方向作为生长方向,考虑了整体图像与像素点之间的关系,所以本发明实施例可以提高图像分割的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的图像分割方法的步骤流程图;
图2为本发明实施例提供的与源种子点相邻的像素点的示意图;
图3为本发明实施例提供的二值化区分后的目标图像之一;
图4为本发明实施例提供的二值化区分后的目标图像之二;
图5为本发明实施例提供的图像分割装置的示意性结构图之一;
图6为本发明实施例提供的图像分割装置的示意性结构图之二。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中的“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
基于上述内容,本发明的实施例提供一种图像分割方法,具体的,参照图1所示,该图像分割方法包括以下步骤:
S11、将待分割图像转换为灰度图像。
即,将待分割图像的各个像素点均转换为灰度值在0-255之间的像素点。
此外,本发明实施例中的待分割图像可以为任意图像。示例性的,本发明实施例中的待分割图像可以为磁共振成像(Magnetic Resonance Imaging,MRI)。
S12、接收用户输入的至少一个源种子点,并将用户输入的至少一个源种子点加入种子点队列。
具体的,用户可以触控面板以及其他输入设备输入至少一个源种子点。其中,触控面板,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)。触控面板可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器,接收处理器发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板。其他输入设备具体可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等。
此外,用户输入的源种子点可以为一个,也可以为多个。当用户输入的源种子点为多个时,该多个源种子点可以为连续的多个像素点,例如:用户通过滑动触摸在显示待分割图像的触摸屏上输入一个闭合的滑动轨迹,并将该闭合滑动轨迹内的所有像素点均作为用户输入的源种子点。该多个源种子点也可以为离散的多个像素点,例如:用户通过点击操作在显示待分割图像的触摸屏上的不同位置输入多点击操作,将点击位置处的多个离散像素点作为用户输入的源种子点。
S13、获取与源种子点相邻的各像素点的灰度值。
可选的,与源种子点相邻的像素点具体可以源种子点的八邻域像素点。
示例性的,参照图2所示,图2中以用户输入的源种子点的数量为一个,与源种子点相邻的像素点与源种子点的八邻域像素点为例进行说明。如图2所示,源种子点的像素坐标为(x,y),则与源种子点相邻的像素点分别为像素点1至像素点8,其对应像素坐标分别为(x+1,y)、(x+1,y-1)、(x,y-1)、(x-1,y-1)、(x-1,y)、(x-1,y+1)、(x,y+1)、(x+1,y+1)。
S14、选取预选取种子点。
其中,所述预选取种子点为与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点。
可选的,阈值可以由本领域技术人员根据经验并结合具体待分割图像设置为经验值。示例性的,阈值可以为大于3且小于6的任意数值。
具体的,将阈值表示为Th、源种子点的灰度值表示为I、像素点1至像素点8灰度值分别表示为I1、I2、I3、I4、I5、I6、I7、I8;则上述获取步骤S14中获取预选取种子点的过程具体可以为:
分别判断|I1-I|、|I2-I|、|I3-I|、|I4-I|、|I5-I|、|I6-I|、|I7-I|、|I8-I|与Th的大小关系;
若|In-I|<Th,则像素点n为预选取种子点。
其中,I为所述种子点灰度值;N为与所述种子点相邻的像素点的数量;In为与所述种子点相邻的像素点的灰度值。
S15、获取生长种子点,并将所述生长种子加入种子点队列。
其中,生长种子为所述预选取种子点中、所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点。
即,生长种子点为种子点队列中不包含的像素点,且为预选取种子点中的像素点,且这其中像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点。
具体的,上述步骤S15具体可以通过如下步骤来实现:
S151、获取各预选取种子点的灰度值与所述源种子点的灰度值的差值的绝对值。
S152、根据绝对值的大小对个预选取种子点降序排列。
S153、依次判断种子点队列中是否包含降序排列后的预选取种子点,直到确定出一个种子点队列中不包含的预选取种子点,并将该预选取种子点作为生长种子点。
S16、将步骤S15中获取的生长种子点作为下一循环中的源种子点循环执行上述步骤S13-S15,直至不能获取新的生长种子点。
需要说明的是,上述实施例中不能获取新的生长种子点理论上可以包括以下几种情况:
第一种情况:不能选取预选取种子点。即与源种子点相邻的像素点中灰度值与源种子点的灰度值的差值的绝对值均大于或等于阈值。
第一种情况:可以选取预选取种子点,但种子点队列中包含了所有的预选取种子点,进而导致无法获取生长种子点。
然而,在实际应用中,不会出现上述第一种情况,因为在实际进行图像分割过程中,生长产生的目标区域时一个连续的区域,因此一个源种子点至少可以将上一个预选取种子点作为其的选取预选取种子点。例如:第n次循环过程中源种子点为像素A,生长种子点为像素B,则像素A和像素B为相邻的像素点,且像素点A与像素点B的灰度值的差值小于阈值,因此在第n+1次循环过程中,与源种子点像素B的相邻的像素点包括像素点A,且像素点A与像素点B的灰度值的差值小于阈值,因此至少可以选取像素点A作为像素点A预选取种子点。
S17、根据种子点队列中的像素点获取目标图像。
即,种子点队列中各像素点的集合即为目标图像。
本发明实施例提供的图像分割方法,通过获取与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点;然后获取所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点作为生长种子点,并将其像素坐标加入种子点队列;再然后将生长种子点作为下一循环中的源种子点循环执行上述方法,直至不能获取新的生长种子点,最后根据种子点队列中的像素点获取目标图像,由于在根据源种子点确定的生长种子点是预选取种子点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点,即可以将与源种子点的灰度变化率最小的方向作为生长方向,由于本发明实施例在图像分割过程中将与源种子点的灰度变化率最小的方向作为生长方向,考虑了整体图像与像素点之间的关系,所以本发明实施例可以提高图像分割的准确度。
可选的,上述方法还进一步包括:
获取M个所述目标图像;其中,获取每一个目标图像时用户输入的至少一个所述源种子点不同。
即,通过M次执行上述图1所示的图像分割方法获取M个目标图像,且每一次M次执行上述图1所示的图像分割方法时,用户输入的至少一个所述源种子点不同。
此外,需要说明的是,当至少一个源种子点为多个时,获取每一个目标图像时用户输入的至少一个所述源种子点不同,具体可以为:每一个目标图像时用户输入的至少一个所述源种子点完全不同,或者每一个目标图像时用户输入的至少一个所述源种子点部分不同。例如:第1次输入的源种子点像素点为A和像素B,第2次至第M输入的源种子点像素点均不包括像素点A或像素B。再例如:第1次输入的源种子点像素点为A和像素B,第2次输入的源种子点像素点为B和像素C。
统计所述M个所述目标图像中各像素点出现的次数P;
若任一像素点出现的次数P>0.5M,则保留该像素点;
根据保留的像素点获取所述目标图像。
述实施例中进一步通过对待分割图像多次执行上述步骤,并根据对此执行获取的目标图像中各像素点的出现次数对目标图像进行修正,因此上述实施例可以进一步提升图像分割的准确度。
可选的,上述方法还包括:
将所述目标图像所在区域和所述目标图像以外的区域进行二值化区分,并输出所述目标图像。
图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
上述实施例中,将所述目标图像所在区域和所述目标图像以外的区域进行二值化区分,具体可以如图3所示,将目标图像30所在区域的像素点的灰度设置为0,将目标图像30以外的像素点的灰度设置为255;或者如图4所示,将目标图像40所在区域的像素点的灰度设置为255,将目标图像40以外的像素点的灰度设置为0。
本申请实施例可以根据上述方法示例对图像分割装置等进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用集成的单元的情况下,图5示出了上述实施例中所涉及的图像分割装置的一种可能的结构示意图,如图5所示,该图像分割装置500包括:
获取单元51,用于获取与所述源种子点相邻的各像素点的灰度值;
处理单元52,用于选取预选取种子点以及生长种子点,并将所述生长种子加入种子点队列;所述预选取种子点为与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点;所述生长种子为所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点;
所述获取单元51、处理单元52还用将所述生长种子点作为下一循环中的源种子点循环执行骤,直至不能获取新的生长种子点;
图像输出单元53,用于根据所述种子点队列中的像素点获取目标图像。
本发明实施例提供的图像分割装置,通过获取单元获取与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点;然后通过处理单元获取所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点作为生长种子点,并将其像素坐标加入种子点队列;再然后将生长种子点作为下一循环中的源种子点循环执行上述方法,直至不能获取新的生长种子点,最后图像输出单元根据种子点队列中的像素点获取目标图像,由于在根据源种子点确定的生长种子点是预选取种子点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点,即可以将与源种子点的灰度变化率最小的方向作为生长方向,由于本发明实施例在图像分割过程中将与源种子点的灰度变化率最小的方向作为生长方向,考虑了整体图像与像素点之间的关系,所以本发明实施例可以提高图像分割的准确度。
其中,I为所述种子点灰度值;N为与所述种子点相邻的像素点的数量;In为与所述种子点相邻的像素点的灰度值。
可选的,参照图6所示,所述装置还包括:
接收单元54,用于接收用户输入的至少一个所述源种子点;
所述处理单元52还用于将用户输入的至少一个所述源种子点加入所述种子点队列。
可选的,所述图像输出单元还用于获取M个所述目标图像;统计所述M个所述目标图像中各像素点出现的次数P;若任一像素点出现的次数P>0.5M,则保留该像素点;根据保留的像素点获取所述目标图像;其中,获取每一个目标图像时用户输入的至少一个所述源种子点不同;所述M为大于1的整数。
可选的,所述图像输出单元53还用于,将所述目标图像所在区域和所述目标图像以外的区域进行二值化区分。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种图像分割方法,其特征在于,包括:
循环执行下述步骤:
获取与源种子点相邻的各像素点的灰度值;所述与源种子点相邻的各像素点为源种子点的八邻域像素点;
选取预选取种子点;所述预选取种子点为与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点,
其中,I为所述种子点灰度值;N为与所述种子点相邻的像素点的数量;In为与所述种子点相邻的像素点的灰度值;
获取生长种子点,并将所述生长种子加入种子点队列;所述生长种子为所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点;
将所述生长种子点作为下一循环中的源种子点,循环执行上述步骤,直至不能获取新的生长种子点;
根据所述种子点队列中的像素点获取目标图像,包括:
获取M个所述目标图像;其中,获取每一个目标图像时用户输入的至少一个所述源种子点不同;所述M为大于1的整数;
统计所述M个所述目标图像中各像素点出现的次数P;
若任一像素点出现的次数P>0.5M,则保留该像素点;
根据保留的像素点获取所述目标图像。
2.根据权利要求1所述的方法,其特征在于,在获取与所述源种子点相邻的各像素点的灰度值之前,所述方法还包括:
接收用户输入的至少一个所述源种子点,以及将用户输入的所述至少一个所述源种子点加入所述种子点队列。
3.根据权利要求1-2任一项所述的方法,其特征在于,所述方法还包括:
将所述目标图像所在区域和所述目标图像以外的区域进行二值化区分。
4.一种图像分割装置,其特征在于,包括:
获取单元,用于获取与源种子点相邻的各像素点的灰度值;所述与源种子点相邻的各像素点为源种子点的八邻域像素点;
处理单元,用于选取预选取种子点以及生长种子点,并将所述生长种子加入种子点队列;所述预选取种子点为与所述源种子点相邻的像素点中灰度值与所述源种子点的灰度值的差值的绝对值小于阈值的像素点;所述生长种子为所述预选取种子点中所述种子点队列不包含的像素点中灰度值与所述源种子点的灰度值的差值的绝对值最小的像素点,
其中,I为所述种子点灰度值;N为与所述种子点相邻的像素点的数量;In为与所述种子点相邻的像素点的灰度值;
所述获取单元、处理单元还用将所述生长种子点作为下一循环中的源种子点循环执行骤,直至不能获取新的生长种子点;
图像输出单元,用于根据所述种子点队列中的像素点获取目标图像;
所述图像输出单元还用于获取M个所述目标图像;统计所述M个所述目标图像中各像素点出现的次数P;若任一像素点出现的次数P>0.5M,则保留该像素点;根据保留的像素点获取所述目标图像;其中,获取每一个目标图像时用户输入的至少一个所述源种子点不同;所述M为大于1的整数。
5.根据权利要求4所述的装置,其特征在于,所述装置还包括:
接收单元,用于接收用户输入的至少一个所述源种子点;
所述处理单元还用于将用户输入的至少一个所述源种子点加入所述种子点队列。
6.根据权利要求4-5任一项所述的装置,其特征在于,
所述图像输出单元还用于,将所述目标图像所在区域和所述目标图像以外的区域进行二值化区分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711217965.6A CN107742299B (zh) | 2017-11-28 | 2017-11-28 | 一种图像分割方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711217965.6A CN107742299B (zh) | 2017-11-28 | 2017-11-28 | 一种图像分割方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107742299A CN107742299A (zh) | 2018-02-27 |
CN107742299B true CN107742299B (zh) | 2020-06-19 |
Family
ID=61239586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711217965.6A Active CN107742299B (zh) | 2017-11-28 | 2017-11-28 | 一种图像分割方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742299B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087347B (zh) * | 2018-08-15 | 2021-08-17 | 浙江光珀智能科技有限公司 | 一种图像处理方法及装置 |
CN110992303B (zh) * | 2019-10-29 | 2023-12-22 | 平安科技(深圳)有限公司 | 一种异常细胞筛选方法、装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101982835A (zh) * | 2010-11-12 | 2011-03-02 | 西安电子科技大学 | Sar图像机场道路边缘检测水平集方法 |
CN102622750A (zh) * | 2012-02-24 | 2012-08-01 | 西安电子科技大学 | 基于交互式区域生长的胃部ct序列图像分割方法 |
CN106447659A (zh) * | 2016-09-27 | 2017-02-22 | 电子科技大学 | 一种基于多重判定的区域生长检测方法 |
-
2017
- 2017-11-28 CN CN201711217965.6A patent/CN107742299B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101982835A (zh) * | 2010-11-12 | 2011-03-02 | 西安电子科技大学 | Sar图像机场道路边缘检测水平集方法 |
CN102622750A (zh) * | 2012-02-24 | 2012-08-01 | 西安电子科技大学 | 基于交互式区域生长的胃部ct序列图像分割方法 |
CN106447659A (zh) * | 2016-09-27 | 2017-02-22 | 电子科技大学 | 一种基于多重判定的区域生长检测方法 |
Non-Patent Citations (1)
Title |
---|
Automatic seeded region growing for color image segmentation;Frank Y. Shih 等;《Image and Vision Computing》;20050701;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107742299A (zh) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | Breast mass classification in digital mammography based on extreme learning machine | |
Prasad et al. | Edge curvature and convexity based ellipse detection method | |
US9830736B2 (en) | Segmenting objects in multimedia data | |
CN109377500B (zh) | 基于神经网络的图像分割方法及终端设备 | |
US20100202703A1 (en) | Real-time face detection apparatus | |
CN112752158B (zh) | 一种视频展示的方法、装置、电子设备及存储介质 | |
CN107742299B (zh) | 一种图像分割方法和装置 | |
CN111369489B (zh) | 一种图像识别方法、装置及终端设备 | |
Chan et al. | On the hardware/software design and implementation of a high definition multiview video surveillance system | |
CN103324361A (zh) | 触摸点定位的方法和*** | |
CN111524086A (zh) | 运动物体检测装置、运动物体检测方法、存储介质 | |
JP6733984B2 (ja) | 画像解析装置 | |
JP2013020605A (ja) | 動き画像領域判定装置またはその方法 | |
Qian et al. | An improved method of region grouping for microcalcification detection in digital mammograms | |
Shashev | Image processing in intelligent medical robotic systems | |
Alhelal et al. | Detection of brain stroke in the MRI image using FPGA | |
He et al. | A Kind of Fast Image Edge Detection Algorithm Based on Dynamic Threshold Value | |
KR102460899B1 (ko) | 심층 구조 학습 기반 사람 계수 방법 및 시스템 | |
Almiahi et al. | Progressive image segmentation based on the wave region growing | |
JP2021182320A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN111931794A (zh) | 一种基于草图的图像匹配方法 | |
Lam et al. | Real time detection of object blob localization application using 1-d connected pixel and windowing method on fpga | |
Mandal et al. | Detection of concave points in closed object boundaries aiming at separation of overlapped objects | |
Eskandari et al. | A semi-automated algorithm for segmentation of the left atrial appendage landing zone: application in left atrial appendage occlusion procedures | |
CN110967741A (zh) | 基于图像学的同相轴检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |