1 简介 基于全局和局部图像信息的水平集模型(LGIF模型)，其基本思想是：在演化过程中，既利用图像的全局信息，也利用图像的局部信息来驱动曲线的演化，LGIF模型其实就是将LIF模型和
1 简介
基于全局和局部图像信息的水平集模型(LGIF模型)，其基本思想是：在演化过程中，既利用图像的全局信息，也利用图像的局部信息来驱动曲线的演化，LGIF模型其实就是将LIF模型和GIF模型(ACM with Global Image Fitting model)两者的优点结合而形成的新模型，其中LIF模型表示图像的局部信息项，GIF模型表示图像的全局信息项。因而，LGIF模型既具有LIF模型的优点，利用图像的局部领域信息，可以在一定程度上处理灰度不均匀的图像；也具有GIF模型的优点，运用图像的全局信息，使得LGIF模型对初始轮廓的位置不敏感。其中，LIF模型的能量泛函定义如下：
2 部分代码
% Matlab code implementing Chan-Vese model in the paper 'Active Contours Without Edges'% This method works well for bimodal images, for example the image 'three.bmp'
clc
clear all
close all
c0 =2;
imgID=2;
Img=imread('cq391.jpg');
U=Img(:,:,1);
% the initial level set
switch imgID
case 1
phi= ones(size(Img(:,:,1))).*c0;
a=43;b=51;c=20;d=28;
phi(a:b,c:d) = -c0;
figure;
imshow(Img);colormap;
hold on;
plotLevelSet(phi, 0, 'g');
hold off;
case 2
[m,n]=size(Img(:,:,1));
a=m/2; b=n/2;r=5;
phi= ones(m,n).*c0;
phi(a-r:a+r,b-r:b+r) = -c0;
imshow(Img);colormap;
hold on;
plotLevelSet(phi, 0, 'r');
hold off;
case 3
figure;imagesc(Img, [0, 255]);colormap(gray);hold on; axis off;axis equal;
text(6,6,'Left click to get points, right click to get end point','FontSize',[12],'Color', 'g');
BW=roipoly;
phi=c0*2*(0.5-BW);
hold on;
[c,h] = contour(phi,[0 0],'r');
hold off;
end
pause(1);
%参数选择
pause(0.1);
lambda=0.001*255*255;
lambda1=1.0;
lambda2=1.0;
delta_t =0.1;
epsilon=1;
mu =1;
numIter = 1;
% CV和LBF的权重
Img=double(U);
M=0.05;
% scale parameter in Gaussian kernel
sigma=3.0;
K=fspecial('gaussian',round(2*sigma)*2+1,sigma); % Gaussian kernel
KI=conv2(Img,K,'same');
KONE=conv2(ones(size(Img)),K,'same');
% start level set evolution
time = cputime;
for k=1:1000
phi = evolution_LGIF(Img,K,KI,KONE,phi,M,lambda1,lambda2,mu,lambda,delta_t,epsilon,numIter); % update level set function
if mod(k,5)==0
pause(0.01);
imagesc(Img, [0, 255]);colormap(gray);hold on; axis off;
contour(phi,[0 0],'r');
iterNum=[num2str(k), ' iterations'];
title(iterNum);
hold off;
end
end
totaltime = cputime - time;
imagesc(Img, [0, 255]);colormap(gray);hold on; axis off;
contour(phi,[0 0],'r');
iterNum=[num2str(k), ' iterations'];
title(iterNum);
3 仿真结果
4 参考文献
[1]管观华. 基于水平集方法的胰腺图像分割研究.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
