从图像中分割相似强度的对象
我正在用Python和C++处理医学图像的分割，特别是CT扫描。我已经成功地通过阈值处理、区域生长和形态学操作，去掉了图像中的骨头、空气和脂肪。现在主要的问题是如何把重要器官和肌肉分开，因为它们的亮度非常相似，而且常常紧挨在一起。
比如，在下面的图像中，可以看到一段肠道和腹壁肌肉是相连的：
我想要的分割结果是这样的：
另外一个可以接受的分割结果是这样的：
我的问题是：我应该使用什么样的分割算法才能达到想要的效果？到目前为止，我尝试过：
- 阈值处理：不行，因为这两个区域的亮度太相似了。
- 区域生长：不行，因为要分割的区域是“相连”的。
- Canny滤波器：在较大的sigma值下找不到边缘，在较小的sigma值下边缘又不连贯。
- 分水岭变换：导致图像过度分割，合并区域没有明确的标准。
- 主动轮廓：无法找到两个物体之间合适的边界。
任何建议都非常感谢。
阈值处理滤波器
Canny滤波器
分水岭变换
1 个回答
我觉得提取这些物体之间的边缘可以解决这个问题。因为在图像中，边缘是可以被人眼看到的，所以我会尝试使用高通滤波器/梯度检测，来在进行其他算法之前先锐化边缘。这是一个预处理步骤。之后，可能还需要进行一些膨胀/腐蚀操作，以便闭合物体的边缘或者去掉不必要的杂物，然后再进行区域填充，这样就能完成任务了。
另一个选择是霍夫变换，它可能能够提取出那个边缘，因为它可以提取出一些细微的特征（Mathworks的例子：http://www.mathworks.com/help/images/detect-lines-in-images.html）。
你还可以尝试阈值变换的变体，把图像分成子集（小方块），然后根据每个子集中像素的灰度值计算一个系数（比如平均灰度值）。因为其中一个物体整体上稍微亮一点，这样可能会有效——这两个物体在局部上是相似的，但在整体上是不同的。你需要调整子集的大小和阈值（也就是系数值）。
编辑：我刚看到你上传的图片。对使用sigma=1的Canny边缘检测结果进行一些膨胀，然后再进行腐蚀，这样能解决问题吗？这会闭合边缘，从而分离物体——虽然不一定100%准确，但可以在一定程度上分开这两个区域，同时保持形状。