我有一个 3D 图像,分为相邻的区域,其中每个体素具有相同的值。分配给该地区的值是该地区唯一的,并作为标签。下面的示例图片描述了 2D 案例:
1 1 1 1 2 2 2
1 1 1 2 2 2 3
Im = 1 4 1 2 2 3 3
4 4 4 4 3 3 3
4 4 4 4 3 3 3
我想创建一个图表来描述这些区域之间的邻接关系。在上述情况下,这将是:
0 1 0 1
A = 1 0 1 1
0 1 0 1
1 1 1 0
我正在寻找一种快速解决方案来在 MATLAB 中对大型 3D 图像执行此操作。我想出了一个迭代所有区域的解决方案,每次迭代需要 0.05s
- 不幸的是,对于具有 32'000 个区域的图像,这将花费半个多小时。现在有人有更优雅的方式来做到这一点吗?我在下面发布当前算法:
labels = unique(Im); % assuming labels go continuously from 1 to N
A = zeros(labels);
for ii=labels
% border mask to find neighbourhood
dil = imdilate( Im==ii, ones(3,3,3) );
border = dil - (Im==ii);
neighLabels = unique( Im(border>0) );
A(ii,neighLabels) = 1;
end
imdilate
是我想避免的瓶颈。
感谢您的帮助!
最佳答案
我想出了一个组合 Divakar 的解决方案的和teng的答案,以及我自己的修改,并将其推广到 2D 或 3D 情况。
为了提高效率,我应该预先分配 r
和 c
,但与此同时,这是运行时:
- 对于尺寸为
117x159x126
和32000
的 3D 图像,单独的区域:0.79s
- 对于上面的 2D 示例:
0.004671s
使用此解决方案,0.002136s
使用 Divakar 的解决方案,0.03995s
与腾的解决方案。
不过,我还没有尝试将获胜者 (Divakar) 扩展到 3D 案例!
noDims = length(size(Im));
validim = ones(size(Im))>0;
labels = unique(Im);
if noDims == 3
Im = padarray(Im,[1 1 1],'replicate', 'post');
shifts = {[-1 0 0] [0 -1 0] [0 0 -1]};
elseif noDims == 2
Im = padarray(Im,[1 1],'replicate', 'post');
shifts = {[-1 0] [0 -1]};
end
% get value of the neighbors for each pixel
% by shifting the image in each direction
r=[]; c=[];
for i = 1:numel(shifts)
tmp = circshift(Im,shifts{i});
r = [r ; Im(validim)];
c = [c ; tmp(validim)];
end
A = sparse(r,c,ones(size(r)), numel(labels), numel(labels) );
% make symmetric, delete diagonal
A = (A+A')>0;
A(1:size(A,1)+1:end)=0;
感谢您的帮助!
关于performance - MATLAB 识别 3D 图像中的相邻区域,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22810540/