应用 maskSLIC 与 SLIC

此示例介绍了比较使用普通 SLIC 方法[1]及其掩码版本 maskSLIC[2]获得的分割结果。

为了说明这些分割方法，我们使用了一张具有免疫组化 (IHC) 染色的生物组织图像。在有关如何分离免疫组化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，用于在感兴趣区域生成超像素。maskSLIC 能够克服影响 SLIC 方法的边界问题，尤其是在不规则掩码的情况下。

[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的比较”，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局部病理特征分析中的应用”，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()