6.4 延伸阅读

基于标记的分水岭图像分割方法，是在原始梯度图像而非简化之后的图像上直接应用分水岭算法进行分割，从而尽可能地保证物体边缘信息的完整性。与此同时，标记分水岭算法设计了一种新的标记提取方法：首先，从梯度图像的低频成分中提取与物体相关的局部最小值，将它们构成二值标记图像；然后，将提取的标记利用形态学重建技术强制作为原始梯度图像的局部最小值，实现梯度图像的自适应修正；最后，在经过处理之后的梯度图像上进行分水岭图像分割，最终获得较好的图像分割结果。

对医学图像进行图像分割后，用户能及时获取感兴趣的目标区域并对其进行分析，可作为医学研判的一个重要依据，对于病理诊断具有非常重要的意义。本案例以肺部图像作为处理对象进行了标记分水岭分割，可以进一步地将分割应用到心脏、肝等医学图像中，也可以采用活动轮廓、小波分析等算法进行分割，为医学图像的智能分析提供有效的分割手段，在一定程度上支撑医学辅助诊断体系的发展。

本章参考的文献如下。

[1] 徐思瑜.基于CT图像肺部病灶区域的特征提取[D].吉林大学，2011.

[2] 阮秋琦.数字图像处理学[M].北京：电子工业出版社，2001.

[3] 柴黎，王明泉.基于分水岭的分割算法在无损检测中的应用[J].半导体技术，2007.