基于组织的图像分割
Tissue based image segmentation
我正在做一个组织分割项目。到目前为止，我现在很好。但她我想从好的组织中分离出被破坏的组织。她是一个形象的例子。因此，正如您所见，好的组织是光滑的，而损坏的则不是。我有检测边缘以进行分割的想法，但它给出了不好的结果。
我愿意接受任何建议。
使用卷积神经网络，例如 Caffe 包中预建的任何网络。在尽可能多的图像中标记不同类型的区域，然后使用这些区域中的许多（1000 个）小（32x32）块来训练网络。这将产生比任何一种手工算法都要好的结果。
可用作中间测试的非常简单的方法如下：
- 模糊图像以减少噪点。这是重要的一步。 OpenCV 为其提供了一个内置方法。
- 使用 OpenCV 方法查找轮廓
findContour()。
- 那么如果轮廓的周长大于设定的阈值（你必须设置一个值）那么，你可以认为它是一个光滑的组织，否则你可以丢弃组织。
这是一个非常简单的方法，可以非常快速地编写一个简单的程序。
我正在做一个组织分割项目。到目前为止，我现在很好。但她我想从好的组织中分离出被破坏的组织。她是一个形象的例子。因此，正如您所见，好的组织是光滑的，而损坏的则不是。我有检测边缘以进行分割的想法，但它给出了不好的结果。
我愿意接受任何建议。
使用卷积神经网络，例如 Caffe 包中预建的任何网络。在尽可能多的图像中标记不同类型的区域，然后使用这些区域中的许多（1000 个）小（32x32）块来训练网络。这将产生比任何一种手工算法都要好的结果。
可用作中间测试的非常简单的方法如下：
- 模糊图像以减少噪点。这是重要的一步。 OpenCV 为其提供了一个内置方法。
- 使用 OpenCV 方法查找轮廓
findContour()。 - 那么如果轮廓的周长大于设定的阈值（你必须设置一个值）那么，你可以认为它是一个光滑的组织，否则你可以丢弃组织。
这是一个非常简单的方法，可以非常快速地编写一个简单的程序。