maskSLICとSLICの適用

この例では、プレーンSLICメソッド [1] とそのマスクバージョンmaskSLIC [2] を使用して得られたセグメンテーションを比較します。

これらのセグメンテーションメソッドを説明するために、免疫組織化学（IHC）染色された生物組織の画像を使用します。同じ生物医学画像は、免疫組織化学染色における色の分離方法の例で使用されています。

maskSLICメソッドは、関心領域にスーパーピクセルを生成するためのSLICメソッドの拡張です。 maskSLICは、特に不規則なマスクの場合にSLICメソッドに影響を与える境界問題を克服することができます。

[1]

Radhakrishna Achanta、Appu Shaji、Kevin Smith、Aurelien Lucchi、Pascal Fua、Sabine Süsstrunk、「最先端のスーパーピクセルメソッドと比較したSLICスーパーピクセル」、IEEE TPAMI、2012、DOI:10.1109/TPAMI.2012.120

[2]

Irving、Benjamin。「maskSLIC：医療画像における局所病理学的特徴付けへの応用を伴う領域スーパーピクセル生成」、2016、arXiv:1606.09518

import matplotlib.pyplot as plt

from skimage import data
from skimage import color
from skimage import morphology
from skimage import segmentation

# Input data
img = data.immunohistochemistry()

# Compute a mask
lum = color.rgb2gray(img)
mask = morphology.remove_small_holes(
    morphology.remove_small_objects(lum < 0.7, 500), 500
)

mask = morphology.opening(mask, morphology.disk(3))

# SLIC result
slic = segmentation.slic(img, n_segments=200, start_label=1)

# maskSLIC result
m_slic = segmentation.slic(img, n_segments=100, mask=mask, start_label=1)

# Display result
fig, ax_arr = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(10, 10))
ax1, ax2, ax3, ax4 = ax_arr.ravel()

ax1.imshow(img)
ax1.set_title('Original image')

ax2.imshow(mask, cmap='gray')
ax2.set_title('Mask')

ax3.imshow(segmentation.mark_boundaries(img, slic))
ax3.contour(mask, colors='red', linewidths=1)
ax3.set_title('SLIC')

ax4.imshow(segmentation.mark_boundaries(img, m_slic))
ax4.contour(mask, colors='red', linewidths=1)
ax4.set_title('maskSLIC')

for ax in ax_arr.ravel():
    ax.set_axis_off()

plt.tight_layout()
plt.show()