Performance MATLAB识别三维图像中的邻接区域
我有一个3D图像，分为连续区域，每个体素都有相同的值。指定给该区域的值对于该区域是唯一的，并用作标签。下面的示例图像描述了2D情况：Performance MATLAB识别三维图像中的邻接区域,performance,matlab,image-processing,vectorization,adjacency-matrix,Performance,Matlab,Image Processing,Vectorization,Adjacency Matrix,我有一个3D图像，分为连续区域，每个体素都有相同的值。指定给该区域的值对于该区域是唯一的，并用作标签。下面的示例图像描述了2D情况： 1 1 1 1 2 2 2 1 1 1 2 2 2 3 Im = 1 4 1 2 2 3 3 4 4 4 4 3 3 3 4 4 4 4 3 3 3 我想创建一个图形来描述这些区域之间的邻接关系。在上述情况下，这将是： 0 1 0 1 A = 1 0 1 1 0 1 0 1 1 1 1 0 我正在
1 1 1 1 2 2 2
1 1 1 2 2 2 3
Im = 1 4 1 2 2 3 3
4 4 4 4 3 3 3
4 4 4 4 3 3 3
0 1 0 1
A = 1 0 1 1
0 1 0 1
1 1 1 0
0.05秒labels = unique(Im); % assuming labels go continuously from 1 to N
A = zeros(labels);
for ii=labels
% border mask to find neighbourhood
dil = imdilate( Im==ii, ones(3,3,3) );
border = dil - (Im==ii);
neighLabels = unique( Im(border>0) );
A(ii,neighLabels) = 1;
end
imdeflate Im = [1 1 1 1 2 2 2;
1 1 1 2 2 2 3;
1 4 1 2 2 3 3;
4 4 4 4 3 3 3;
4 4 4 4 3 3 3];
% mark the borders
validim = zeros(size(Im));
validim(2:end-1,2:end-1) = 1;
% get value of the 4-neighbors for each pixel
% by shifting the images 4 times in each direction
numNeighbors = 4;
adj = zeros([prod(size(Im)),numNeighbors]);
shifts = {[0 1] [0 -1] [1 0] [-1 0]};
for i = 1:numNeighbors
tmp = circshift(Im,shifts{i});
tmp(validim == 0) = nan;
adj(:,i) = tmp(:);
end
% mark neighbors where it does not eq Im
imDuplicates = repmat(Im(:),[1 numNeighbors]);
nonequals = adj ~= imDuplicates;
% neglect the border
nonequals(isnan(adj)) = 0;
% get these neighbor values and the corresponding Im value
compared = [imDuplicates(nonequals == 1) adj(nonequals == 1)];
% construct your 'A' % possibly could be more optimized here.
labels = unique(Im);
A = zeros(numel(labels));
for i = 1:size(compared,1)
A(compared(i,1),compared(i,2)) = 1;
end
Im = padarray(Im,[1 1],'replicate');
labels = unique(Im);
box1 = [-size(Im,1)-1 -size(Im,1) -size(Im,1)+1 -1 1 size(Im,1)-1 size(Im,1) size(Im,1)+1];
mat1 = NaN(numel(labels),numel(labels));
for k2=1:numel(labels)
a1 = find(Im==k2);
for k1=1:numel(labels)
a2 = find(Im==k1);
t1 = bsxfun(@plus,a1,box1);
t2 = bsxfun(@eq,t1,permute(a2,[3 2 1]));
mat1(k2,k1) = any(t2(:));
end
end
mat1(1:size(mat1,1)+1:end)=0;
如果它对您有效，请与我们分享运行时作为比较？我很想看看咖啡煮得是否快于半小时 我提出了一个解决方案，它结合了’和’的答案，以及我自己的修改，并将其推广到2D或3D案例 为了提高效率，我可能应该预先分配
rc- 对于尺寸
和117x159x126
独立区域的3D图像：320000.79s - 对于上述2D示例：
使用此解决方案，0.004671s
使用Divakar的解决方案，0.002136s
使用teng的解决方案0.03995s
noDims = length(size(Im));
validim = ones(size(Im))>0;
labels = unique(Im);
if noDims == 3
Im = padarray(Im,[1 1 1],'replicate', 'post');
shifts = {[-1 0 0] [0 -1 0] [0 0 -1]};
elseif noDims == 2
Im = padarray(Im,[1 1],'replicate', 'post');
shifts = {[-1 0] [0 -1]};
end
% get value of the neighbors for each pixel
% by shifting the image in each direction
r=[]; c=[];
for i = 1:numel(shifts)
tmp = circshift(Im,shifts{i});
r = [r ; Im(validim)];
c = [c ; tmp(validim)];
end
A = sparse(r,c,ones(size(r)), numel(labels), numel(labels) );
% make symmetric, delete diagonal
A = (A+A')>0;
A(1:size(A,1)+1:end)=0;
Im =
1 2 2
3 3 3
3 4 4
A =
0 1 1 0
1 0 1 1
1 1 0 1
0 1 1 0
它声称标签“2”和“4”之间存在邻接关系：显然是错误的。发生这种情况的原因很简单，因为您正在读取基于“validim”索引的填充Im标签，该标签现在与新Im不匹配，一直向下延伸到下边框。MEX文件？快速照明…谢谢你的建议。不过，似乎IMDigital已经在MEX文件中实现了！谢谢似乎有效，但我仍在努力弄清楚具体的方法：）我将报告运行时！聪明，有点复杂！我结合了您的部分内容、@teng和我自己的修改，并将其扩展到一般的2D或3D情况，我将在单独的回答中发布解决方案和运行时间（
0.79sbsxfunbsxfunbsxfun