应用 maskSLIC 与 SLIC

本例比较使用普通 SLIC 方法 [1] 和其掩模版本 maskSLIC [2] 获得的分割结果。

为了说明这些分割方法，我们使用一张带有免疫组织化学 (IHC) 染色的生物组织图像。在关于如何分离免疫组织化学染色中的颜色的示例中使用了相同的生物医学图像。

maskSLIC 方法是 SLIC 方法的扩展，用于在感兴趣区域中生成超像素。maskSLIC 能够克服影响 SLIC 方法的边界问题，特别是在不规则掩模的情况下。

[1]

Radhakrishna Achanta、Appu Shaji、Kevin Smith、Aurelien Lucchi、Pascal Fua 和 Sabine Süsstrunk，“SLIC 超像素与最先进的超像素方法比较”，IEEE TPAMI，2012，DOI:10.1109/TPAMI.2012.120

[2]

Irving, Benjamin。“maskSLIC：区域超像素生成及其在医学图像中局部病理表征中的应用”，2016，arXiv:1606.09518

import matplotlib.pyplot as plt

from skimage import data
from skimage import color
from skimage import morphology
from skimage import segmentation

# Input data
img = data.immunohistochemistry()

# Compute a mask
lum = color.rgb2gray(img)
mask = morphology.remove_small_holes(
    morphology.remove_small_objects(lum < 0.7, 500), 500
)

mask = morphology.opening(mask, morphology.disk(3))

# SLIC result
slic = segmentation.slic(img, n_segments=200, start_label=1)

# maskSLIC result
m_slic = segmentation.slic(img, n_segments=100, mask=mask, start_label=1)

# Display result
fig, ax_arr = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(10, 10))
ax1, ax2, ax3, ax4 = ax_arr.ravel()

ax1.imshow(img)
ax1.set_title('Original image')

ax2.imshow(mask, cmap='gray')
ax2.set_title('Mask')

ax3.imshow(segmentation.mark_boundaries(img, slic))
ax3.contour(mask, colors='red', linewidths=1)
ax3.set_title('SLIC')

ax4.imshow(segmentation.mark_boundaries(img, m_slic))
ax4.contour(mask, colors='red', linewidths=1)
ax4.set_title('maskSLIC')

for ax in ax_arr.ravel():
    ax.set_axis_off()

plt.tight_layout()
plt.show()