使用Matlab进行肝分割的自适应阈值

我需要使用自适应阈值技术从腹部CT图像中分割肝脏。但是我将整个前景与背景分开了。我只需要分离前景的肝脏部分。在http://www.ijcaonline.org/casct/number1/SPE34T.pdf中查看pdf文件。 我需要一个类似于图6所示的输出。

我在这里附上我的编码。请帮我。

%testadaptivethresh.m
clear;close all;
im1=imread('nfliver2.jpg');
bwim1=adaptivethreshold(im1,11,0.03,0);
figure,imshow(im1);
figure,imshow(bwim1);
imwrite(bwim1,'at2.jpg');

function bw=adaptivethreshold(IM,ws,C,tm)
%ADAPTIVETHRESHOLD An adaptive thresholding algorithm that seperates the
%foreground from the background with nonuniform illumination.
%  bw=adaptivethreshold(IM,ws,C) outputs a binary image bw with the local 
%   threshold mean-C or median-C to the image IM.
%  ws is the local window size.
%  tm is 0 or 1, a switch between mean and median. tm=0 mean(default); tm=1 median.
%
%  Contributed by Guanglei Xiong (xgl99@mails.tsinghua.edu.cn)
%  at Tsinghua University, Beijing, China.
%
%  For more information, please see
%  http://homepages.inf.ed.ac.uk/rbf/HIPR2/adpthrsh.htm

if (nargin<3)
    error('You must provide the image IM, the window size ws, and C.');
elseif (nargin==3)
    tm=0;
elseif (tm~=0 && tm~=1)
    error('tm must be 0 or 1.');
end

IM=mat2gray(IM);

if tm==0
    mIM=imfilter(IM,fspecial('average',ws),'replicate');
else
    mIM=medfilt2(IM,[ws ws]);
end
sIM=mIM-IM-C;
bw=im2bw(sIM,0);
bw=imcomplement(bw);

我为testadaptivethresh.m修改的代码

clear;
im=imread('nfliver7.gif');
figure,imshow(im)
bwim1=adaptivethreshold(im,300,-0.15,0);
bw=bwareaopen(bwim1,3000);
se=strel('diamond',4);
er=imerode(bw,se);
bw1=bwareaopen(er,3000);
er1=imerode(bw1,se);
bw2=bwareaopen(er1,1000);
fi=imfill(bw2,'holes');
figure,imshow(fi)

op=uint8(fi);
seg=im.*op;
figure,imshow(seg)
imwrite(seg,'sliver7.jpg');

我看到了您所引用的（SS Kumar的）论文链接和获得代码（HIPR）的链接是两种不同的算法-尽管这两种听起来都像自适应阈值

首先，我想告诉您区别。

在HIPR方法中，一般假设实质上是2类级别的图像-即前景和背景。在任何2类阈值中，人们都希望图像直方图中有2个峰或区域，特别是背景与前景，文本与白皮书。如果您以某种方式在直方图中找到了一个最佳的谷点-您将得到最清晰的除法。直方图如下所示：

但是，该谷点可能会在局部附近稍微移动。那里有很好的照明变化示例。因此，该最佳谷点随处可见，但在空间上略有变化，因此通用阈值将失败。因此，在每个局部区域上计算谷点（阈值）。

SS Kumar的论文的方法，更具体地说是您要处理的图像类别，是多类的（多个对象，每个对象的强度带和散布都不同）。在这种情况下，直方图是多峰的，即它具有许多峰和谷，并且每个峰可能对应于不同的对象，但是它可能更加复杂。

直方图可能看起来像这样：（与纸上的图像相同）。

在这种情况下，上述2类方法将完全失败，因为没有一个良好的谷地。这就是为什么您发布的第一张图片看起来周围都是黑白点。

此处，自适应阈值的含义意味着您需要确定正确的峰值，并且灰度级带覆盖了杠杆的大部分强度，其他对象形成了鲜明的对比，

你该怎么办？

首先，如果必须使用自适应阈值，请找到直方图并查看强度范围，然后在强度阈值左侧或右侧确定应该丢弃哪些像素。

或者，您可以使用“区域增长”或“拆分合并”算法。有关更多信息，请参考此问题：哪些分割方法可用于简单图像？