二图像值的2D和3D重构。
|
|
|
一般说明
Skeletonize3D 是 Fiji 和 ImageJ 插件，执行 2D 和 3D 二值图像（8 位图像）的skeletonization。在斐济，您可以在Plugins › Skeleton › Skeletonize (2D/3D)下找到它。如果您需要分析 2D/3D 图形图像，您可能有兴趣查看AnalyzeSkeleton。
视频教程
快速了解 Skeletonize3D 和 AnalyzeSkeleton 以及实际应用示例，您可以查看此 video tutorial。
本教程逐步介绍了如何：
- 切除3D图像以提取相关形态信息
- removing the noise
- and binarizing
- 使用Skeletonize3D提取二值图像的重构
- 使用AnalyzeSkeleton分析3D图像中生成的重建
相关工作
近期工作是 Ignacio Arganda-Carreras 对 Lee 等人的 3D 细化算法 的实现。 “Building skeleton models via 3-D medial surface/axis thinning algorithms. Computer Vision, Graphics, and Image Processing, 56(6):462–478, 1994.” 基于 Hanno Homann 的 ITK 版本：http://hdl.handle.net/1926/1292 它适用于 8 位图像和堆栈。期望的图像是二进制的。如果不是，所有大于 0 的像素值都将被视为白色。生成的重构图像的信号像素为 255，像素背景背景为 0（黑色）。
正如Hanno Homman在他的论文中解释的那样，[…] 二进制细化用于查找输入图像中对象的中心线（“重构”）。总体思路是迭代地上部物体的表面，直到上部下支架。腐蚀必须彻底地进行，以保证形成重构线的中间位置并对象的性。必须保持小心，以免在目标上孔或空腔。
图像细化有两种主要方法：a) 基于内核的模型和 b) 决策树。基于内核的模型将结构元素评估图像，通常可以替代 3D 的维度，为 4D 和更高维度找到计算有效的解决方案是提出的研究的主题。基于决策树的方法目前则仅限于 2D 和 3D，但如果良好并且可以在每次迭代设计中找到更多可删除点，可能比形态过滤器更快。
在3D中，26个邻近域中的物体和背景体素有2²⁶ = 67,108,864种可能的二进制组合，基于内核的滤波器无法完全捕获这些组合。李等人。在他们的工作中证明，他们的基于决策树的方案可以正确处理所有这些情况，并在下次迭代时找到所有可删除的表面相应点。，他们的算法允许非常快速的迭代过程[…]。
变更日志
许可证
该程序是免费软件；您可以根据自由软件基金会 (http://www.gnu.org/licenses/gpl.txt) 发布的 GNU 通用公共许可证 的条款重新分发和/或修改它。
分发此程序的目的是希望它有用，但不提供任何保证；甚至没有适用性或特定用途适用性的默许保证。有关更多详细信息，请参阅 GNU 通用公共许可证。
