Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

fibermetric

Mejorar las estructuras alargadas o tubulares en la imagen

Descripción

ejemplo

J = fibermetric(I) mejora las estructuras alargadas o tubulares en imágenes en escala de grises 2D o 3D mediante el filtrado multiescala basado en Hesse.I La imagen devuelta, , contiene la respuesta máxima del filtro con un grosor que coincide aproximadamente con el tamaño de la estructura tubular de la imagen.J

J = fibermetric(I,thickness) especifica el grosor de las estructuras tubulares para mejorar.

J = fibermetric(___,Name,Value) utiliza argumentos de par nombre-valor para controlar diferentes aspectos del algoritmo de filtrado.

Ejemplos

contraer todo

Lea y muestre una imagen que contenga roscas tubulares de diferentes espesores.

A = imread('threads.png'); imshow(A)

Cree una versión mejorada de la imagen que resalte los subprocesos de siete píxeles de grosor. Los hilos aparecen oscuros sobre un fondo claro, por lo tanto, especifique la polaridad del objeto como 'oscuro'. Muestre la imagen mejorada.

B = fibermetric(A,7,'ObjectPolarity','dark'); imshow(B) title('Enhanced Tubular Structures 7 Pixels Thick')

Umbral de la imagen mejorada para crear una imagen de máscara binaria que contenga los subprocesos con el grosor especificado.

BW = imbinarize(B);

Muestre la máscara sobre la imagen original utilizando la función.labeloverlay La superposición tiene un tinte cian donde está la máscara (donde los hilos tienen el grosor especificado).true

imshow(labeloverlay(A,BW)); title('Detected Tubular Structures 7 Pixels Thick')

Argumentos de entrada

contraer todo

Imagen con estructuras alargadas o tubulares, especificadas como imagen en escala de grises 2D o volumen en escala de grises 3D.

Tipos de datos: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Grosor de las estructuras tubulares en píxeles, especificado como un entero positivo o vector de enteros positivos.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Argumentos de par nombre-valor

Especifique pares opcionales separados por comas de argumentos. es el nombre del argumento y es el valor correspondiente. deben aparecer entre comillas.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como .Name1,Value1,...,NameN,ValueN

Ejemplo: J = fibermetric(I,'StructureSensitivity',15)

Sensibilidad de estructura, especificada como el par separado por comas que consta de y un número positivo.'StructureSensitivity' La sensibilidad de la estructura es un umbral para diferenciar la estructura tubular del fondo.

El valor predeterminado depende del tipo de datos de la imagen y se calcula comoI 0.01*diff(getrangefromclass(I)). Por ejemplo, el umbral predeterminado es para las imágenes de tipo de datos y el valor predeterminado es para las imágenes de tipo de datos con valores de píxel en el intervalo [0, 1].2.55uint80.01double

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Polaridad de las estructuras tubulares con el fondo, especificada como el par separado por comas que consta de y uno de los siguientes valores:'ObjectPolarity'

ValorDescripción
'bright'La estructura es más brillante que el fondo.
'dark'La estructura es más oscura que el fondo.

Tipos de datos: char | string

Argumentos de salida

contraer todo

Imagen mejorada, devuelta como una matriz numérica del mismo tamaño que la imagen de entrada.I Si el tipo de datos de es , a continuación, el tipo de datos de también es .IdoubleJdouble De lo contrario, el tipo de datos de es .Jsingle

Tipos de datos: single | double

Sugerencias

  • La función no realiza la segmentación.fibermetric La función mejora una imagen para resaltar estructuras y se utiliza normalmente como paso de preprocesamiento para la segmentación.

Consideraciones de compatibilidad

expandir todo

El comportamiento cambió en R2018b

Referencias

[1] Frangi, Alejandro F., et al. Multiscale vessel enhancement filtering. Medical Image Computing and Computer-Assisted Intervention — MICCAI'98. Springer Berlin Heidelberg, 1998. pp. 130–137.

Consulte también

|

Introducido en R2017a