搜索
边缘检测预处理一．皮损部分宽度和长度测量方法用边缘跟踪法把皮损部分转化为线性轮廓图形，给每个点都赋上坐标，根据坐标来计算最大宽度和最大长度高度：线性图形上各点纵坐标的最大差值宽度：线性图形上各点横坐标的最大差值二．边缘检测存在的问题少量噪声和阴影都可能使边缘跟踪暂时或永远偏离边界，造成跟踪中断或者跟踪偏离原本的方向，导致线性轮廓图边界杂乱、有中断点或是存在噪声点和内部点。如下图所示。三．问题解决方法1.因为单一的边缘跟踪存在的诸多问题，所以在查阅资料后考虑用拉普拉斯边缘检测法。拉普拉斯边缘检测：若一个无噪声图像具有陡峭的边缘，可用拉普拉斯算子将它们找出来。对经拉普拉斯单一算子滤波后的图像用零灰度值进行二值化会产生闭合的、连通的轮廓并消除了所有的内部点。所以，在运用拉普拉斯算子之前需要进行低通滤波，其中高斯滤波的效果较好。由卷积结合律可以将拉普拉斯算子和高斯脉冲响应组合成一个的高斯拉普拉斯核。在matlab中的M-H模块含有的LOG滤波器正好满足了高斯拉普拉斯运算。LoG滤波器：该算法首先对图像做高斯滤波，平滑图像，然后再求其拉普拉斯二阶导数，最后，通过检测滤波结果的零交叉可以获得图像或物体的边缘。因而，也被业界简称为Laplacian-of-Gaussian(LoG)算子。经高斯拉普拉斯运算得出的边缘图像如下所示。灰度阈值0.5灰度阈值0.62.由以上图像可以看出，高斯拉普拉斯虽然去除了内部点，让图像不那么杂乱，但是依然存在一些小噪声点，没有清晰的轮廓和具体的图像，因而考虑进行形态学运算。开运算：先腐蚀后膨胀，用来消除小物体，在纤细处分离物体，平滑较大物体的边界的同时并不明显改变其体积。闭运算：先膨胀后腐蚀，用来填充物体内细小空洞，连接邻近物体，平滑其边界的同时并不明显改变其体积。经过不同形态学运算的图像如下图所示（灰度阈值均取0.6）。闭运算开运算先开后闭运算先闭后开运算由对比得出，先闭后运算得出的效果显然比较好，检测出了比较有典型特征的皮损轮廓，而先开后闭测出的轮廓并不准确。3.由于边缘存在小毛刺，并不是很平滑的线条，可能是症状边缘有一些小阴影，所以采用增强对比度方法，使轮廓更清晰。灰度阈值0.7灰度阈值0.84.从以上的所有例子可以看出，灰度的阈值选取存在很大的影响，而且人为的设定灰度值并不对所有的症状图片适合，所以选用最大类间方差法自动选取阈值最大类间方差*1最大类间方差*0.9由最大类间方差法求出的阈值并不完全准确，经过不同系数的对比，灰度阈值定位最大类间方差乘以0.9系数时得出的效果较好。怎样自动选取灰度阈值还有待解决。