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

superpixels3

3-d sobresegmentación de superpixel de imagen 3D

Sintaxis

[L,NumLabels] = superpixels3(A,N)

[L,NumLabels] = superpixels3(___,Name,Value,...)

Descripción

[L,NumLabels] = superpixels3(A,N) calcula superpixeles 3D de la imagen 3D. especifica el número de superpíxeles que desea crear.UnN La función devuelve una matriz de etiqueta 3-D y el número real de superpixels devueltos.LNumLabels

[L,NumLabels] = superpixels3(___,Name,Value,...) calcula los superpíxeles de la imagen mediante pares nombre-valor para controlar los aspectos de la segmentación.Un

Ejemplos

Calcular Superpíxeles 3D de la imagen de intensidad volumétrica de entrada

Cargue datos de RMN 3-D, elimine las cotas de singleton y convierta los datos en una imagen de intensidad de escala de grises.

load mri; D = squeeze(D); A = ind2gray(D,map); 

Calcule los superpixeles 3-D. Forma una imagen de salida donde cada píxel se establece en el color medio de su región de superpíxel correspondiente.

[L,N] = superpixels3(A,34); 

Mostrar todos los planos XY progresivamente con contornos de superpixel.

imSize = size(A); 

Cree una pila de imágenes RGB para mostrar los contornos en color.

imPlusBoundaries = zeros(imSize(1),imSize(2),3,imSize(3),'uint8'); for plane = 1:imSize(3)   BW = boundarymask(L(:, :, plane));   % Create an RGB representation of this plane with boundary shown   % in cyan.   imPlusBoundaries(:, :, :, plane) = imoverlay(A(:, :, plane), BW, 'cyan'); end  implay(imPlusBoundaries,5) 

Establezca el color de cada píxel en la imagen de salida en la intensidad media de la región de superpíxeles. Muestra la imagen media junto al original. Si ejecuta este código, puede utilizar para ver cada segmento de los datos de RMN.implay

pixelIdxList = label2idx(L); meanA = zeros(size(A),'like',D); for superpixel = 1:N      memberPixelIdx = pixelIdxList{superpixel};      meanA(memberPixelIdx) = mean(A(memberPixelIdx)); end implay([A meanA],5); 

Argumentos de entrada

A — Imagen de entrada

array 3-D real y no disperso

Imagen de entrada, especificada como una matriz 3-D real y no dispersa.

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

N — El número deseado de superpixels

escalar numérico

Número deseado de superpíxeles, especificado como un escalar numérico.

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

Argumentos de par nombre-valor

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

Ejemplo: B = superpixels3(A,100,'NumIterations', 20);

'Compactness' — Forma de superpixeles

Si el método es y si el método es0.001slic00.05slic (predeterminado) | escalar numérico

Forma de superpixeles, especificada como un escalar numérico. El parámetro compacidad del algoritmo SLIC controla la forma de los superpixeles. Un valor más alto hace que los superpixeles tengan una forma más regular, es decir, un cuadrado. Un valor más bajo hace que los superpixeles se adhieran mejor a los límites, haciéndolos con forma irregular. Puede especificar cualquier valor en el intervalo, pero los valores típicos están en el intervalo.[0 Inf)[0.01,0.1]

Nota

Si especifica el método, normalmente no es necesario ajustar el parámetro.'slic0''Compactness' Con el método, adapta de manera adaptable el parámetro automáticamente, eliminando así la necesidad de determinar un buen valor.'slic0'superpixel3'Compactness'

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

'Method' — Algoritmo utilizado para computar superpixels

'slic0' (predeterminado) | 'slic'

Algoritmo utilizado para calcular los superpíxeles, especificado como uno de los siguientes valores. Para obtener más información, consulte.Algoritmos

Valor	Significado
'slic0'	utiliza el algoritmo SLIC0 para refinar de forma adaptativa después de la primera iteración.superpixels3'Compactness' Este es el valor predeterminado.
'slic'	es constante durante la agrupación en clústeres.'Compactness'

Tipos de datos: char | string

'NumIterations' — Número de iteraciones utilizadas en la fase de clustering del algoritmo

10 (predeterminado) | escalar numérico

Número de iteraciones utilizadas en la fase de clustering del algoritmo, especificadas como un escalar numérico. Para la mayoría de los problemas no es necesario ajustar este parámetro.

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

Argumentos de salida

L — Matriz de etiquetas

array 3-D de tipodouble

Label Matrix, devuelta como una matriz 3-D de tipo.double Los valores son enteros positivos, donde indica la primera región, la segunda región, y así sucesivamente para cada región de superpíxeles de la imagen.12

NumLabels — Número de superpixels calculados

escalar numérico

Número de superpixels calculados, devueltos como un escalar numérico de tipo.double

Algoritmos

El algoritmo utilizado en es una versión modificada del algoritmo de clustering iterativo lineal simple (SLIC) utilizado por.superpixels3superpixels En un nivel alto, crea centros de clúster y, a continuación, alterna de forma iterativa entre la asignación de píxeles al centro de clústeres más cercano y la actualización de las ubicaciones de los centros de clúster. utiliza una métrica de distancia para determinar el centro de clúster más cercano para cada píxel.superpixels3 Esta métrica de distancia combina la distancia de intensidad y la distancia espacial.

El argumento de la función proviene de la forma matemática de la métrica distance.Compactness El parámetro compacidad del algoritmo es un valor escalar que controla la forma de los superpíxeles. La distancia entre dos píxeles y, donde está el valor de compacidad, es:ijm

$$\begin{array}{l}{d}_{\mathrm{int}ensity}=\sqrt{{\left(l_i-l_j\right)}^2}\\ d_{spatial}=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2+{(z_i-z_j)}^2}\\ D=\sqrt{{(\frac{d_{\mathrm{int}ensity}}{m})}^2+{(\frac{d_{spatial}}{S})}^2}\end{array}$$

La compacidad tiene el mismo significado que en la función 2-D:superpixels Determina la importancia relativa de la distancia de intensidad y la distancia espacial en la métrica de distancia general. Un valor más bajo hace que los superpixeles se adhieran mejor a los límites, haciéndolos con forma irregular. Un valor más alto hace que los superpixeles tengan una forma más regular. El rango permitido para la compacidad es, como en la función 2-D.(0 Inf) El rango típico se ha encontrado a través de la experimentación para ser.[0.01 0.1] El rango dinámico de las imágenes de entrada se normaliza dentro del algoritmo para que sea de 0 a 1. Esto permite un significado consistente de los valores de compacidad en las imágenes.

Consulte también

boundarymask | imoverlay | label2idx | label2rgb | superpixels

Introducido en R2016b

×

Open Example (es)

A modified version of this example exists on your system. Do you want to open this version instead? (es)

No, overwrite the modified version (es) Yes (es)