lazysnapping

文章目录

SyntaxDescriptionInput ArgumentsOutput Arguments 使用基于图的分割将图像分割为前景和背景

Syntax

BW = lazysnapping(A,L,foremask,backmask) BW = lazysnapping(A,L,foreind,backind) BW = lazysnapping(___,Name,Value)

Description

BW = lazysnapping（A，L，foremask，backmask）使用惰性捕捉将图像A分为前景和背景区域。 标签矩阵L指定图像的子区域。 前掩膜和后掩膜是分别将图像中的像素指定为前景和背景的掩膜。 BW = lazysnapping（A，L，foreind，backind）将图像A分为前景和背景区域。 foreind和backind指定分别标记为前景和背景的图像中像素的线性索引。 BW = lazysnapping（___，Name，Value）使用名称/值对控制图像的各个方面来分割图像或体积。

使用前景和背景蒙版执行懒惰捕捉

clear all close all clc RGB = imread('peppers.png'); imshow(RGB) %创建一个标签矩阵。 L = superpixels(RGB,500); %指定前景中像素的x和y坐标。 foregroundX = [34 114 195 259 392 467 483]; foregroundY = [298 140 135 200 205 283 104]; %将坐标转换为线性索引。 sub2ind采用（行，列）坐标，因此在x坐标之前使用y坐标指定输入参数。 foregroundInd = sub2ind(size(RGB),foregroundY,foregroundX); %指定背景中像素的x和y坐标。 backgroundX = [130 170]; backgroundY = [52 32]; %将坐标转换为线性索引。 backgroundInd = sub2ind(size(RGB),backgroundY,backgroundX); %执行惰性捕捉。 BW = lazysnapping(RGB,L,foregroundInd,backgroundInd); %显示分段蒙版。 前景像素为true，背景像素为false。 imshow(BW) %在原始图像上显示遮罩，并以绿色突出显示前景像素。 imshow(labeloverlay(RGB,BW,'Colormap',[0 1 0 ]))

前景和背景中的细分量

clear all close all clc %将3D立体图像加载到工作区中。 D = load('mri.mat'); V = squeeze(D.D); %创建一个二维蒙版，标识初始前景和背景种子点。 seedLevel = 10; fseed = V(:,:,seedLevel) > 75; bseed = V(:,:,seedLevel) == 0; figure; imshow(fseed) figure; imshow(bseed) %将种子点放入空的3D蒙版中。 fmask = zeros(size(V)); bmask = fmask; fmask(:,:,seedLevel) = fseed; bmask(:,:,seedLevel) = bseed; %生成3D标签矩阵。 L = superpixels3(V,500); %使用惰性抓拍将图像分为前景和背景。 bw = lazysnapping(V,L,fmask,bmask); %显示3D分割图像。 figure; p = patch(isosurface(double(bw))); p.FaceColor = 'red'; p.EdgeColor = 'none'; daspect([1 1 27/128]); camlight; lighting phong

Input Arguments

L —标签矩阵 输入图像或体积的标签矩阵，指定为数字数组。 对于2-D灰度图像和3-D灰度体积，L的大小必须与输入图像A的大小匹配。对于彩色图像和多通道图像，L必须是一个二维数组，其中前两个维与第一个维匹配 输入图像A的两个维度。 不要将标签矩阵的给定子区域标记为既属于前景遮罩又属于背景遮罩。 如果标签矩阵的区域包含同时属于前景蒙版和背景蒙版的像素，则延迟捕捉会将区域划分为背景。

前遮罩—定义前景的遮罩图像 逻辑数组 定义前景的蒙版图像，指定为逻辑数组。 对于2-D灰度图像和3-D灰度体积，前掩模的大小必须与输入图像A的大小匹配。对于彩色图像和多通道图像，前掩模必须是一个二维数组，其中前两个维与第一个维匹配 输入图像A的两个维度。

backmask —定义背景的蒙版图像 逻辑数组 定义背景的遮罩图像，指定为逻辑数组。 对于2-D灰度图像和3-D灰度体积，后掩膜的大小必须与输入图像A的大小匹配。对于彩色图像和多通道图像，后掩膜必须是一个二维数组，其中前两个维与第一个维匹配 输入图像A的两个维度。

foreind —前景像素的线性索引 数值向量 标签矩阵中像素的线性索引，指定为数值向量。

backind —背景像素的线性索引 数值向量 定义背景的像素的线性索引，指定为数值向量

名称-值对参数 指定可选的逗号分隔的名称，值参数对。 Name是参数名称，Value是相应的值。 名称必须出现在引号中。 您可以按任意顺序指定多个名称和值对参数，例如Name1，Value1，…，NameN，ValueN。

‘Connectivity’-连接的组件的连接性 2-D图像为8，3-D图像为26（默认）| 4 | 6 | 18 连接的组件的连接性，指定为以逗号分隔的一对，由“连接性”和以下项之一组成：2-D图像为4或8，3-D图像（体积）为6、18或26。

‘EdgeWeightScaleFactor’-边缘权重的比例因子 500（默认）| 正数 标签矩阵的子区域之间边缘权重的比例因子，指定为以逗号分隔的一对，由“ EdgeWeightScaleFactor”和一个正数组成。 典型值的范围是[10，1000]。 增大此值会增加延迟捕获将相邻子区域一起标记为前景或背景的可能性。

Output Arguments

BW —分段图像