問題タブ [watershed]

ウォーターシェッド アルゴリズムを使用して CT 画像の肺をセグメント化するソース コードを探しています。ウェブサイトやソースコードを見つけたら教えてください。

プロジェクトの流域セグメンテーションの独自の実装を作成しようとしています。私は本当に些細な写真を与えられた正しいセグメンテーションに似た何かを返すバージョンを持っています。残念ながら、これは非常に低速で非効率的であり、すべての場合に終了する場合と終了しない場合があります。

私は、ウッズとゴンザレスによる「デジタル画像処理」の説明と、ウォーターシェッドのウィキペディアのページから作業を行ってきました。一般的なアルゴリズムは以下にコード化されて含まれていますが、私は必要のない多くのことをループしているような気がします。よろしくお願いします。

matlabで関数を記述してセルをセグメント化し、流域アルゴリズムを使用して平均セル面積を計算する方法を知っている人はいますか？どんな助けでも大歓迎です。ありがとうございました！

これが酵母細胞の画像です

watershedMatlab 関数を C# または C++に変換しようとしています。

このコードを使用しようとしましたが、この画像CvFindContoursで返されます。NULL

私もこの実装を使用しようとしましたが、FilterGrayToGray.

問題を解決する方法や、画像の流域を計算する方法を知っている人はいますか? 誰かが流域のマイヤーズフラッドアルゴリズムをより正確に説明できますか?

emgucv が提供する流域関数を使用したいです。次のコードを使用しましたが、取得できるのは白い画像だけです。助けて、このコードを修正してください。ありがとうございます。

元プログラマーが言ったように、私は流域の画像セグメンテーションを実装しようとしています：

c＃またはc++を使用した流域

FilterGrayToGray.csコードも追加しようとしましたが、win32.memcpyのエラーが発生しました

エラーは次のように表示されます：「win32という名前はこのコンテキストには存在しません」

Win32.memcpyをMicrosoft.Win32.memcpyに変換すると、「memcpyは名前空間に存在しません」と表示されます。

私の目標は、多くの個別の形状を含む図面をトレースし、これらの形状を個々の画像に分割することです. 白地に黒です。私は numpy、opencv&co にはまったく慣れていませんが、現在の考えは次のとおりです。

• 黒いピクセルをスキャンする
• 黒いピクセルが見つかりました -> 分水界
• 分水界の境界を見つける (ポリゴン パスとして)
• 検索を続行しますが、既に見つかった境界内の点は無視します

こういうのが苦手なのですが、何か良い方法はありませんか？

最初に、流域の結果の長方形の境界ボックスを見つけようとしました (これは多かれ少なかれ例のコラージュです)。

どういうわけか、元の配列 (a) を使用すると、argwhere は機能しているように見えますが、流域 (res) の後、完全な配列が再び出力されるだけです。

次のステップは、シェイプの周りのポリゴン パスを見つけることかもしれませんが、今のところバウンディング ボックスで十分です。

助けてください！

次のような静脈画像があります。流域アルゴリズムを使用して、静脈の骨格を抽出します。

私のコード:(Kは元の画像です）。

結果は次のとおりです。

ご覧のとおり、多くの情報が失われています。誰かが私を助けることができますか？ありがとう。

主なタスクは、葉の複雑な背景を除去し、MATLAB で隠れている葉の画像から目的の葉を抽出することです。バックグラウンドを排除するために、K-means クラスタリング アルゴリズムを適用しました。ここでの主なタスクは、流域セグメンテーション アルゴリズムを使用して、閉塞した葉から葉をセグメント化することです。すべてのリーフに最適なセグメントを見つけることはできません。私を助けてください。サンプル画像と流域セグメンテーション コードをアップロードしました。

元の画像

K-Means クラスタリング アルゴリズムと分水界を使用して背景を除去した後の画像 元の画像に重ね合わせたセグメンテーション

私はそれを抽出できるように、メインの中間の葉を単一のセグメントにしたいと考えています。

私は以下の流域セグメンテーションコードを与えました

Open-CV を使用して、以下のような画像内のオブジェクトの数をカウントするプログラムを作成する予定です。

私が採用しようとしている方法は、ヒストグラムを使用して画像のしきい値を設定し、ブロブ検出を使用して識別されたブロブの数をカウントすることです。ペレットのようなオブジェクトが互いに接触しない限り、これは問題なく機能します。(オーバーラップは範囲外ですが) 私は Watershed セグメンテーションを使用して、互いに接触しているオブジェクトを識別する可能性を調べました。

私がはっきりしていないのは、ペレットが重なっている場合とない場合がある画像にこれら2つの手法を適用する方法です。画像内でペレットが互いに接触しているインスタンスが少なくとも 1 つある場合、両方のテクニックを実行する必要がありますか? もしそうなら、どのような順序で？それとも、どこかでオーバーラップが発生し、Blob 検出を実行すると、結合された Blob のために誤った出力が発生するため、Watershed のみを実行する必要がありますか? 前もって感謝します。