Chan-Vese 分割

Chan-Vese 分割算法旨在分割边界不明确的物体。该算法基于水平集，这些水平集通过迭代演化以最小化能量，该能量由加权值定义，对应于分割区域外部强度与平均值的差之和、分割区域内部强度与平均值的差之和以及一个依赖于分割区域边界长度的项。

该算法最初由 Tony Chan 和 Luminita Vese 在题为“一种没有边缘的主动轮廓模型”的出版物中提出 [1]。另请参阅 [2]，[3].

该算法的实现从某种程度上简化了，因为原始论文中描述的面积因子“nu”没有实现，并且只适用于灰度图像。

对于 lambda1 和 lambda2，典型值为 1。如果“背景”在分布方面与分割物体有很大不同（例如，具有不同强度图形的均匀黑色图像），则这些值应该彼此不同。

对于 mu，典型值介于 0 和 1 之间，尽管在处理轮廓非常模糊的形状时可以使用更高的值。

该算法还会返回一个值列表，该列表对应于每次迭代的能量。这可以用于调整上面描述的各种参数。

参考文献

[1]

一种没有边缘的主动轮廓模型，Tony Chan 和 Luminita Vese，计算机视觉中的尺度空间理论，1999，DOI:10.1007/3-540-48236-9_13

[2]

Chan-Vese 分割，Pascal Getreuer，图像处理在线，2 (2012)，第 214-224 页，DOI:10.5201/ipol.2012.g-cv

[3]

Chan-Vese 算法 - 项目报告，Rami Cohen，2011 arXiv:1107.2782

import matplotlib.pyplot as plt
from skimage import data, img_as_float
from skimage.segmentation import chan_vese

image = img_as_float(data.camera())
# Feel free to play around with the parameters to see how they impact the result
cv = chan_vese(
    image,
    mu=0.25,
    lambda1=1,
    lambda2=1,
    tol=1e-3,
    max_num_iter=200,
    dt=0.5,
    init_level_set="checkerboard",
    extended_output=True,
)

fig, axes = plt.subplots(2, 2, figsize=(8, 8))
ax = axes.flatten()

ax[0].imshow(image, cmap="gray")
ax[0].set_axis_off()
ax[0].set_title("Original Image", fontsize=12)

ax[1].imshow(cv[0], cmap="gray")
ax[1].set_axis_off()
title = f'Chan-Vese segmentation - {len(cv[2])} iterations'
ax[1].set_title(title, fontsize=12)

ax[2].imshow(cv[1], cmap="gray")
ax[2].set_axis_off()
ax[2].set_title("Final Level Set", fontsize=12)

ax[3].plot(cv[2])
ax[3].set_title("Evolution of energy over iterations", fontsize=12)

fig.tight_layout()
plt.show()