Chan-Vese图像分割实现：从数学原理到Python实战指南

1次阅读

共计 2170 个字符，预计需要花费 6 分钟才能阅读完成。

Chan-Vese 模型基于 Mumford-Shah 泛函简化形式，通过最小化能量函数实现分割。其核心能量函数为：

$$E(\phi,c_1,c_2) = \mu\cdot Length(C) + \lambda_1 \int_{inside(C)} |I-c_1|^2 dxdy + \lambda_2 \int_{outside(C)} |I-c_2|^2 dxdy$$

其中：
– $\phi$ 为水平集函数
– $c_1$,$c_2$ 分别表示内外区域灰度均值
– $\mu$ 控制轮廓平滑度
– $\lambda_1$,$\lambda_2$ 调节内外区域权重

曲线演化通过梯度下降实现：
$$\frac{\partial \phi}{\partial t} = \delta(\phi)\left[\mu \cdot div\left(\frac{\nabla \phi}{|\nabla \phi|}\right) – \lambda_1(I-c_1)^2 + \lambda_2(I-c_2)^2\right]$$

阈值分割：
仅依赖像素强度
无法处理渐变边界
对噪声敏感
Chan-Vese 模型：
基于区域统计特性
自动适应复杂形状
对初始轮廓位置鲁棒

适用场景对比表：
| 特征 | 阈值分割 | Chan-Vese |
|—————|———-|———–|
| 清晰边界 | ✔ | ✔ |
| 模糊边界 | ✘ | ✔ |
| 噪声抵抗 | ✘ | ✔ |
| 计算复杂度 | 低 | 中高 |

import numpy as np
import cv2

def chan_vese_segmentation(image, max_iter=200, dt=0.5, mu=0.2, lambda1=1.0, lambda2=1.0):
    """
    image: 输入灰度图像(0-255)
    max_iter: 最大迭代次数
    dt: 时间步长
    mu: 长度项系数
    lambda1/lambda2: 区域项系数
    """
    # 预处理
    img = image.astype(np.float32)
    if len(img.shape) > 2:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 初始化水平集函数（圆形初始轮廓）h, w = img.shape
    phi = np.ones((h,w))
    center = (h//2, w//2)
    radius = min(h,w)//4
    cv2.circle(phi, center, radius, -1, thickness=-1)
    phi = phi*2 - 1  # 转换为 [-1,1] 范围

    for _ in range(max_iter):
        # 计算 Heaviside 函数及其导数
        H = 0.5*(1 + (2/np.pi)*np.arctan(phi/1.0))
        delta = (1/np.pi) / (1 + (phi/1.0)**2)

        # 计算内外区域均值
        c1 = np.sum(img*H) / (np.sum(H) + 1e-8)
        c2 = np.sum(img*(1-H)) / (np.sum(1-H) + 1e-8)

        # 计算曲率项
        dy, dx = np.gradient(phi)
        norm = np.sqrt(dx**2 + dy**2 + 1e-8)
        ny, nx = dy/norm, dx/norm
        curvature = cv2.Laplacian(phi, cv2.CV_32F)

        # 更新水平集函数
        dphi_dt = delta * (mu*curvature - lambda1*(img-c1)**2 + lambda2*(img-c2)**2)
        phi += dt * dphi_dt

        # 可选：每隔 20 次显示中间结果
        if _ % 20 == 0:
            mask = (phi > 0).astype(np.uint8)*255
            cv2.imshow('Evolution', mask)
            cv2.waitKey(10)

    return (phi > 0).astype(np.uint8)*255