C++ Snake算法-opencv活动轮廓-工作不太好

我正在做头部侧面的轮廓检测。由于图片是在白墙前拍摄的，我决定对经过阈值处理的图片运行一个（活动轮廓模型算法）

问题是蛇的鼻子、嘴巴和嘴下面的部位不太合适（如下图所示）

我试图更改alpha/beta/gamma参数或迭代次数，但没有找到比下面显示的输出更好的结果。我不明白为什么鼻子被割破了，脸也不适合嘴巴。我猜曲率有足够的点，但是仍然有一些线由几个（>2）点组成

输入图像：

输出蛇：

• 蓝色：手工设定的点数

• 绿色：输出蛇

任何帮助或想法都将不胜感激。

---

谢谢

如果你想自己实现，我推荐吉姆·伊文斯（Jim Ivins）和约翰·波里尔（John Porrill）的论文《你一直想知道的关于蛇的一切（但不敢问）》

关于OpenCV实现，我不太了解，但我建议您：

• 减小β，使曲率可能更强

• 检查图像能量。可能函数（scheme）的最后一个参数是错误的。有两个可能的值：_CV_SNAKE_IMAGE和_CV_SNAKE_GRAD。如果我没有错的话，你把它设为0，我认为0意味着_CV_SNAKE_IMAGE。因此，函数将假定输入图像是能量图像。同样，我不确定OpenCV是如何实现这个函数的，但我认为当您使用_CV_SNAKE_IMAGE时，该函数假定输入图像是渐变模块图像。在您的例子中，它可以使蛇避开黑色区域（解释为低梯度模块）并寻找明亮区域。所以，尝试使用_CV_SNAKE_GRAD作为最后一个参数

---

我希望它能帮助你。祝你好运

典型的snake或活动轮廓算法在3种代价函数之间进行权衡时收敛：边缘强度/距离（数据项）、间距和平滑度（先验项）。立刻，你可能会注意到与你的“鼻子问题”有关的一个问题——鼻子有很高的弯曲度。您的蛇也有麻烦进入凹区域，因为这肯定会增加其曲率相比，凸壳

解决方案：
答：由于您的snake性能并不比凸包的性能好，作为补救措施之一，我将继续使用一个更简单的凸包算法，然后在其反向残差上重新运行它。它将得到一个正确的鼻子，然后在残差中凹面将变成凸面。或者您可以使用openCV的凸度缺陷函数，而不是使用

B.另一个修复方法是减少蛇形曲率参数，使其能够围绕鼻子急剧弯曲。因为你几乎没有噪音，而且你实际上可以把它清理干净一点，我认为实施一些约束而不是做出“更柔和”的权衡是没有问题的。也许先前的头部轮廓模型在这方面也有帮助

下面，我尝试使用各种距离变换和距离参数的权重编写自己的snake算法。结论-参数比距离度量更重要，并且确实有一些影响（左图使用的参数比右图小，因此切割鼻子的次数更多）。与轮廓线的距离（红色）显示为灰色，snake显示为绿色

C.由于你的背景几乎是纯色的，所以花点时间清理一些残留的噪音（使用形态学操作或连接的组件）和干净的轮廓。我在下面实现了最后一个解决方案：第一个图像删除了噪声，第二个只是openCV中的一个轮廓函数。

---

活动轮廓只是坏周期。看起来max-flow-min-cut可以很容易地解决这个图像分割问题

我知道前一段时间有人问过这个问题，但我对活动轮廓总的来说很恼火。这是谷歌最热门的网页之一，我想很多人会读到这篇文章，希望有人能通过PDE对轮廓进化做些有用的事情

事实上，活动轮廓需要大量的人工干预，只有当你有不自然的边缘强度或非常高的对比度时，它才会起作用

如果你有兴趣读博士或博士后，我请求你找点别的。我保证会有令人震惊的结果。尽管表面上有很好的轮廓模型，但源代码从来都不可用——例如，在一个级别集内的通用gvf

---

所有（二进制）分段问题都可以分解成一个有向图——你未来的雇主和考官会感谢我的。我劝你不要在活动轮廓上浪费时间。

我已经有一段时间没有研究活动轮廓的OpenCV实现了，但是如果我没记错的话，那就是使用贪婪算法来最小化能量（Williams等人？）。此外，对外力（通常是边缘信息）进行了一些改进，以提高snake收敛性，例如梯度矢量流场snake（GVF）。GVF外力被建模为液体扩散过程，以允许蛇形素（蛇形元素）在曲率较高和向内凹陷的区域流向图像边缘。在活动轮廓绘制时，我建议采用从粗到精的方法，即通常高级别过程（人类或其他分割过程）将作为初始snaxel位置的种子，然后，蛇变形过程将作为描绘ROI边界的精细方法。在医学图像分析等应用中，这种方法是可以接受的，甚至是可取的。另一个很好的snake算法是一个类似于水平集的Chan-Vese活动轮廓无边模型，绝对值得一看，在M

//load file from disk and apply threshold
IplImage* img = cvLoadImage (file.c_str (), 0);
cvThreshold(img, img, 170, 255, CV_THRESH_BINARY);

float alpha = 0.1; // Weight of continuity energy
float beta = 0.5; // Weight of curvature energy
float gamma = 0.4; // Weight of image energy

CvSize size; // Size of neighborhood of every point used to search the minimumm have to be odd
size.width = 5;
size.height = 5;

CvTermCriteria criteria;
criteria.type = CV_TERMCRIT_ITER;  // terminate processing after X iteration
criteria.max_iter = 10000; 
criteria.epsilon = 0.1;

// snake is an array of cpt=40 points, read from a file, set by hand
cvSnakeImage(img, snake, cpt, &alpha, &beta, &gamma, CV_VALUE, size, criteria, 0);