简介:目的本文针对黑素细胞肿瘤(MelanocyticTumorMT)图像情况复杂,较难分割的问题,提出了一种综合数字图像分割算法,探讨MT的早期诊断。方法首先应用统计区域融合方法(SRM)实现图像分割成多块纹理一致的区域。然后对图像以HSV彩色空间的H和S分量为特征,使用K均值聚类算法将图像聚为9类。最后,将聚类结果在HSV彩色空间的H和S分量值分别映射到[0,1]区间,再分别对H分量和S分量取阈值,得到最终的边界分割结果。结果对MT图像能够按照其纹理差异将其有效划分为多个区域,较为准确标识出皮损区域。结论综合对多种方法结果的对比,本方法优于传统的大津阈值法、K均值法和活动轮廓法。同时对过去基于SRM的MT图像分割方法进行了改进,在处理复杂MT图像时效果明显好于传统方法。
简介:摘要本文基于传统的灰度阈值图像分割,利用图像增强中的微分梯度,对原有图像的细节进行锐化增强,然后再使用这三种方法进行分割,得到的分割结果和传统的分割方法得到的结果进行比较,该方法确实达到了改善分割后图像细节的效果。