chan-vese模型

Python--level set （水平集）和 chan-vese模型

2018年08月28日 10:51:54 GlassySky0816 阅读数：1604

 

 版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_38784098/article/details/82144106

level set :https://www.zhihu.com/question/22608763?sort=created

https://blog.csdn.net/xiangyong58/article/details/11876019

chan-vese模型(公式推导）：https://blog.csdn.net/zhangchen1003/article/details/48930377

水平集（CV模型）代码：

1.  
   import cv2
2.  
   from pylab import*
3.  
    
4.  
   Image = cv2.imread('02.jpg', 1) # 读入原图
5.  
   image = cv2.cvtColor(Image, cv2.COLOR_BGR2GRAY)
6.  
   img = np.array(image, dtype=np.float64) # 读入到np的array中，并转化浮点类型
7.  
    
8.  
   # 初始水平集函数
9.  
   IniLSF = np.ones((img.shape[0], img.shape[1]), img.dtype)
10.  
    IniLSF[300:320, 300:320] = -1
11.  
    IniLSF = -IniLSF
12.  
     
13.  
    # 画初始轮廓
14.  
    Image = cv2.cvtColor(Image, cv2.COLOR_BGR2RGB)
15.  
    plt.figure(1), plt.imshow(Image), plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
16.  
    plt.contour(IniLSF, [0], color='b', linewidth=2) # 画LSF=0处的等高线
17.  
    plt.draw(), plt.show(block=False)
18.  
     
19.  
     
20.  
    def mat_math(intput, str):
21.  
    output = intput
22.  
    for i in range(img.shape[0]):
23.  
    for j in range(img.shape[1]):
24.  
    if str == "atan":
25.  
    output[i, j] = math.atan(intput[i, j])
26.  
    if str == "sqrt":
27.  
    output[i, j] = math.sqrt(intput[i, j])
28.  
    return output
29.  
     
30.  
     
31.  
    # CV函数
32.  
    def CV(LSF, img, mu, nu, epison, step):
33.  
     
34.  
    Drc = (epison / math.pi) / (epison*epison + LSF*LSF)
35.  
    Hea = 0.5*(1 + (2 / math.pi)*mat_math(LSF/epison, "atan"))
36.  
    Iy, Ix = np.gradient(LSF)
37.  
    s = mat_math(Ix*Ix+Iy*Iy, "sqrt")
38.  
    Nx = Ix / (s+0.000001)
39.  
    Ny = Iy / (s+0.000001)
40.  
    Mxx, Nxx = np.gradient(Nx)
41.  
    Nyy, Myy = np.gradient(Ny)
42.  
    cur = Nxx + Nyy
43.  
    Length = nu*Drc*cur
44.  
     
45.  
    Lap = cv2.Laplacian(LSF, -1)
46.  
    Penalty = mu*(Lap - cur)
47.  
     
48.  
    s1 = Hea*img
49.  
    s2 = (1-Hea)*img
50.  
    s3 = 1-Hea
51.  
    C1 = s1.sum() / Hea.sum()
52.  
    C2 = s2.sum() / s3.sum()
53.  
    CVterm = Drc*(-1 * (img - C1)*(img - C1) + 1 * (img - C2)*(img - C2))
54.  
     
55.  
    LSF = LSF + step*(Length + Penalty + CVterm)
56.  
    # plt.imshow(s, cmap ='gray'),plt.show()
57.  
    return LSF
58.  
     
59.  
    # 模型参数
60.  
    mu = 1
61.  
    nu = 0.003 * 255 * 255
62.  
    num = 20
63.  
    epison = 1
64.  
    step = 0.1
65.  
    LSF = IniLSF
66.  
    for i in range(1, num):
67.  
    LSF = CV(LSF, img, mu, nu, epison, step) # 迭代
68.  
    if i % 1 == 0: # 显示分割轮廓
69.  
    plt.imshow(Image), plt.xticks([]), plt.yticks([])
70.  
    plt.contour(LSF, [0], colors='r', linewidth=2)
71.  
    plt.draw(), plt.show(block=False), plt.pause(0.01)

 

为什么上传图片这么麻烦。

一、文章参考

Chan T F, Vese L. Active contours without edges[J]. Image processing, IEEE transactions on, 2001, 10(2): 266-277.
1
二、公式推导过程

 

 

 

 

---------------------
作者：jonson_zc
来源：CSDN
原文：https://blog.csdn.net/zhangchen1003/article/details/48930377
版权声明：本文为博主原创文章，转载请附上博文链接！