从分割输出构建训练图像的最有效方法是什么？

Question

我想从分水岭变换输出中制作训练图像，以便在每个单元格中都有一个图像片段。我怎样才能以最有效的方式做到这一点？

更多详情：假设L是分水岭分割的输出：

L =

 1     1     2
 1     0     2
 1     2     2
 0     0     2

0 是背景
1为段号1，2为段号2，依此类推

我想用两个图像构建一个单元格，每个图像包含一个片段：

我知道我可以用一些 for 循环和 if 条件来做到这一点，但是我需要一个计算成本最低的解决方案。也许 Matlab 有这个任务的内置函数？

Answer 1

既然你问的是一种有效的方法，我认为下面的解决方案应该能很好地工作。尽管它使用 1 个 for 循环，但它只循环 N 次，其中 N 是分水岭变换输出中的 number of segments，这对于图像分割通常非常低（N=2例如）。

N = max(L(:)); %//number of segments
C = cell(N,1); %//create Cell Array
[height, width] = size(L); %//get dimensions of image

for target=1:N %//for each segment..

    %//search column-wise to get first and last column index
    col_start = ceil(find(L==target,1)/height);
    col_end = ceil(find(L==target,1,'last')/height);

    %//search row-wise to get first and last row index
    row_start = ceil(find(L.'==target,1)/width);
    row_end = ceil(find(L.'==target,1,'last')/width);

    T = L(row_start:row_end , col_start:col_end); %//image segment of bounding box
    T(T~=target) = 0; %//set non-targets to 0

    C{target} = T; %//add to cell array

end

Answer 2

我在这里写了一个 clean / short 解决方案，但我不知道它比 Lincoln 的解决方案快还是慢。只需尝试使用 tic/toc.

function A = removePadding(L, x) 
  A = (L==x); 
  A(all(A == 0, 2), :)=[]; 
  A(:, all(A == 0, 1))=[]; 
end

L = [1 1 2;1 0 2; 1 2 2; 0 0 2];
u = unique(L(:))
arrayfun(@(x) removePadding(L, x)*2, u(2:end), 'UniformOutput', false)

将输出：

注意：函数removePadding将删除所有只包含零的rows/columns。这意味着如果一个区域无法连接，它将无法工作，因为中间 rows/cols 也将被删除。但我认为这不会发生在你的情况下，因为分水岭 (IMO) 只会 return 如果区域完全连接则相同的区域索引（例如区域 1 为 1）。

速度测试：首先，定义 L 和 my 函数。现在测试：

>> tic; 
for i = 1:1000
  u = unique(L(:));
  B = arrayfun(@(x) removePadding(L, x)*2, u(2:end), 'UniformOutput', false);
end
>> toc
Elapsed time is 4.89563 seconds.

现在您可以复制此测试代码段并对其进行修改，以检查 Lincolns 的计算速度。

EDIT2：我将 Lincolns 解决方案定义为 C = myFun(L)，然后再次运行速度测试：

>> tic;
>> for i = 1:1000
  B = myFun(L);
end
>> toc
Elapsed time is 1.01026 seconds.

似乎快得多 :-) 即使使用 for 循环。

Answer 3

下面一个linner就可以搞定了;-)

U = regionprops(L, 'Image')

解决方案之间的比较（L是1200x1600像素的图像）：

>> tic;
for index=1:100
U = regionprops(L, 'Image');
end
toc;

经过的时间是 20.138794 秒。

>>tic;
for index=1:100
N = max(L(:)); %//number of segments
C = cell(N,1); %//create Cell Array
[height, width] = size(L); %//get dimensions of image

for target=1:N %//for each segment..

    %//search column-wise to get first and last column index
    col_start = ceil(find(L==target,1)/height);
    col_end = ceil(find(L==target,1,'last')/height);

    %//search row-wise to get first and last row index
    row_start = ceil(find(L.'==target,1)/width);
    row_end = ceil(find(L.'==target,1,'last')/width);

    T = L(row_start:row_end , col_start:col_end); %//image segment of bounding box
    T(T~=target) = 0; %//set non-targets to 0

    C{target} = T; %//add to cell array

end;
end
toc;

经过的时间是 300.744868 秒。

>> tic;
for index=1:100
u = unique(L(:));
B = arrayfun(@(x) removePadding(L, x)*2, u(2:end), 'UniformOutput', false);
end
toc;

经过的时间是 182.193148 秒。

从分割输出构建训练图像的最有效方法是什么？

What is the most efficient way to construct training images from segmentation output?

matlab

image-processing

training-data

watershed

deep-learning