从图像中分割出相似强度的对象

Question

我正在用 Python 和 C++ 分割医学图像（特别是 CT 扫描）。我已经成功地使用阈值、区域增长和形态学算子从切片中消除了骨骼、空气和脂肪。剩下的主要问题是将重要器官从肌肉中分割出来，因为它们具有非常相似的强度并且经常彼此相邻。

例如，在下图中，可以看到一块肠与腹壁肌肉相邻：

想要的分割结果如下：

另一个可接受的分段如下：

我的问题是：我应该使用什么分割算法来实现所需的分割结果之一？到目前为止，我已经尝试过：

• 阈值处理：不起作用，因为这两个区域的强度太相似了。
• 区域增长：不起作用，因为要分割的区域是“连接的”。
• Canny 过滤器：无法在 sigma 值较大时找到边，在 sigma 值较低时找不到不连贯边。
• 分水岭变换：导致图像严重过度分割。没有明确的合并区域标准。
• 活动轮廓：无法在两个对象之间找到合适的边界。

感谢任何指针。

---

阈值过滤器

Canny 过滤器

分水岭变换

Answer 1

我认为提取这些对象之间的边缘可以解决问题。由于可以看到图像上的边缘，因此对于人类来说是可以区分的，我会尝试应用 高通滤波器/梯度检测，以便在尝试之前将边缘锐化作为预处理步骤任何其他算法。之后可能会进行一些膨胀/侵蚀来关闭对象的边缘或删除不必要的垃圾，然后洪水填充作为下一步将完成这项工作。

另一个选项是 霍夫变换 - 它可能能够提取边缘，因为它能够提取细微特征（来自 Mathworks 的示例：http://www.mathworks.com/help/images/detect-lines-in-images.html）。

您还可以尝试阈值的变化 - 将图像划分为 子集（正方形），并根据其像素的灰度级计算每个子集的系数包含（例如平均灰度级）。由于其中一个对象整体上比另一个稍轻，因此它可能会起作用 - 这两个对象局部相似，但全局不同。您将不得不使用子集大小以及阈值（即系数值）。

编辑：我刚刚看到您上传的图片。对 Canny with sigma = 1 的结果执行一些 dilation 和之后的 erosion 不会解决问题吗？它会关闭边缘从而分离对象 - 它不会 100% 准确，但会分离这两个区域或多或少地保持形状。