为了解决三维医学分割中手动分割操作复杂,效率低和传统分割方法速度慢,用户交互多,效果不理想等问题,将传统GrabCut算法进行了改进。首先,通过将二维的GrabCut算法扩展到三维,减少了三维分割的交互过程,提高了三维分割的效率;其次,将三维分割的矩形框交互改进为多边形交互,提高了交互的精度,改善了分割后的结果。通过对两组数据的分割结果对比表明,改进后的算法相对于置信连接算法不仅交互简单、速度快,而且分割效果有了很大的改善。最后,通过不同用户对同一组数据的分割结果对比,证明改进后的三维GrabCut算法稳定性高、速度快,能很好地完成三维医学图像的分割。=K。若一个像素不确定为前景还是背景三维医学图像分割-电动折弯机数控滚圆机滚弧机张家港电动滚圆机弯管机，需要通过式(4)［14］来分别计算该像素属于前景高斯模型和背景高斯模型的概率P(m)=－log∑ki=1P(m，i)(4)式中:k代表高斯分量的个数(一般为5);P(m，i)是该像素属于高斯分量i的概率。1．3GrabCut操作如图2所示，对于任意一幅二维图像，如图2a，只需在所需要的部分外画上一个矩形框，则可以得出比较好的分割结果，如图2b。a原图b分割后的结果图2GrabCut操作示意图2GrabCut算法的改进2 本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com  ．1GrabCut二维扩展到三维GrabCut对于二维分割具有时间短、交互少、效果好等特点，本文将原始的二维算法扩展到三维。本文对原始的二维算法进行了如下几个改进:1)将s－t图中二维图像像素点对应的平面图改为立体图。将三维数据中的每一个像素点对应于立体图中的一个顶点，同样，在网络图中还有两个特殊的节点:源点s和汇点t。源点s连接了用户选择区域的各个体数据构成前景，而汇点t连接了用户未选择区域构成背景。所有节点与源点汇点连接的边叫t－links。这些边的权值通过高斯混合模型计算。前景和背景均由5个高斯分量组成。每个高斯分量属于一个高斯混合模型。2)将原始算法中n－links中的8邻域改为26邻域。同时，n－links相邻两点之间的距离变为1(体对角线)。相应地，建图时每个顶点由之前所需的8条边变为26条边。3)考虑到医学图像都是黑白的灰度图像，原Grab-Cut算法利用彩色图像的三通道来对图像进行处理，笔者将原始算法中处理彩色的三通道改进为单通道，同时，原三通道算法中高斯模型对应的3个均值，9个方差和1个权值变为1个均值，1个方差和1个权值，经过改进三维医学图像分割-电动折弯机数控滚圆机滚弧机张家港电动滚圆机弯管机 本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com