针对肺实质序列图像分割方法的时效性低和分割不完全性等问题，利用先验知识得到肺部 ＣＴ 序列 ＲＯＩ图.像，提出超像素序列分割算法对 ＲＯＩ序列图像进行分割，采用改进的自生成神经网络对超像素进行聚类并优化，根据.聚类后样本的灰度和位置特征识别肺实质区域。在序列肺实质图像的分割结果中，单 张 ＣＴ 图像的平均处理时间为.０．６１ｓ，同时能达到９２．０９±１．５２％的平均肺部体素重合度。与已有的方法相比，所提算法能在相对较短的时间内获得.较高的分割精准度。
2021-07-01 16:30:54
1.59MB
1
将一张灰度图的像素值更改为一圈8个像素点的平均值，C++实现，发出来的原因是我对边界点的处理方法，简洁。
2021-06-29 09:04:59
1.68MB
1
针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点，提出一种基于形
态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘
点的粗定位，再利用三次样条插值法对提取出的边缘图像进行插值运算，最后利用数学
形态学细化算子将提取出的边缘进行细化，可有效地检测出图像边缘，实现亚像素边缘
检测。实验结果表明，这种方法能准确地检测出边缘，优于传统的边缘检测方法。
2021-06-25 13:02:38
343KB