Chan-Vese 分割

Chan-Vese 分割演算法旨在分割沒有明確定義邊界的物件。此演算法基於水平集，透過迭代演變以最小化能量，該能量由加權值定義，這些加權值對應於分割區域外部與平均值的強度差總和、分割區域內部與平均值的強度差總和，以及一個取決於分割區域邊界長度的項。

此演算法最初由 Tony Chan 和 Luminita Vese 在一篇題為「An Active Contour Model Without Edges」的出版物中提出[1]。另請參閱[2]、[3]。

此演算法的實作在某種程度上經過簡化，原始論文中描述的面積因子「nu」未實作，且僅適用於灰階影像。

lambda1 和 lambda2 的典型值為 1。如果「背景」在分佈上與分割物件非常不同（例如，具有不同強度圖案的均勻黑色影像），則這些值應彼此不同。

mu 的典型值介於 0 和 1 之間，但在處理輪廓不明確的形狀時，可以使用較高的值。

此演算法也會傳回一個值清單，對應於每次迭代的能量。這可用於調整上述各種參數。

參考文獻

[1]

An Active Contour Model without Edges，Tony Chan 和 Luminita Vese，Scale-Space Theories in Computer Vision，1999，DOI:10.1007/3-540-48236-9_13

[2]

Chan-Vese Segmentation，Pascal Getreuer，Image Processing On Line，2 (2012)，pp. 214-224，DOI:10.5201/ipol.2012.g-cv

[3]

The Chan-Vese Algorithm - Project Report，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()