應用 maskSLIC vs SLIC

此範例是關於比較使用普通 SLIC 方法 [1] 和其遮罩版本 maskSLIC [2] 獲得的分割結果。

為了說明這些分割方法，我們使用一張帶有免疫組織化學 (IHC) 染色的生物組織影像。在關於如何分離免疫組織化學染色中的顏色的範例中使用了相同的生物醫學影像。

maskSLIC 方法是 SLIC 方法的擴展，用於在感興趣的區域中產生超像素。maskSLIC 能夠克服影響 SLIC 方法的邊界問題，尤其是在不規則遮罩的情況下。

[1]

Radhakrishna Achanta、Appu Shaji、Kevin Smith、Aurelien Lucchi、Pascal Fua 和 Sabine Süsstrunk，「SLIC Superpixels Compared to State-of-the-Art Superpixel Methods」，IEEE TPAMI，2012，DOI:10.1109/TPAMI.2012.120

[2]

Irving, Benjamin.「maskSLIC：區域超像素生成及其在醫學影像中局部病理特徵描述的應用」，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()