MATLAB实现的Chan-Vese主动轮廓图像分割算法

资 源 简 介

本项目提供了一个基于Chan-Vese模型的MATLAB实现，用于主动轮廓图像分割。该算法通过能量最小化方法处理灰度不均或边界模糊的图像，无需依赖梯度信息即可实现准确的前景与背景分离，适用于医学影像和计算机视觉任务。

详 情 说 明

基于Chan-Vese模型的主动轮廓分割算法MATLAB实现

项目介绍

本项目实现了经典的Chan-Vese主动轮廓分割算法，该算法是基于Mumford-Shah函数的无边界主动轮廓模型。通过能量最小化方法，该算法能够有效分割灰度不均匀或边界模糊的图像，将图像划分为前景和背景两个同质区域。本实现采用水平集方法，通过数值求解偏微分方程来完成分割过程。

功能特性

• 自动轮廓初始化：默认采用圆形轮廓作为初始分割边界
• 自定义初始轮廓：支持用户提供自定义的初始轮廓位置
• 迭代优化：通过多轮迭代不断优化分割结果
• 可视化展示：实时显示分割过程和最终结果
• 参数可调：支持调整正则化参数μ、能量项权重λ1和λ2、时间步长、迭代次数等关键参数
• 完整输出：提供分割掩模、水平集函数、收敛曲线等多种输出形式

使用方法

基本调用

% 读取图像 img = imread('test_image.jpg');

% 基本分割（使用默认参数） mask = main(img);

高级调用（自定义参数）

% 设置自定义参数 params.mu = 0.1; % 正则化参数 params.lambda1 = 1.0; % 前景能量权重 params.lambda2 = 1.0; % 背景能量权重 params.dt = 0.1; % 时间步长 params.max_iter = 500; % 最大迭代次数 params.tol = 1e-5; % 收敛阈值

% 自定义初始轮廓 init_contour = [x_coordinates, y_coordinates];

% 使用自定义参数进行分割 [mask, phi, energy_curve] = main(img, init_contour, params);

输出结果

• mask：二值分割掩模（逻辑矩阵）
• phi：最终水平集函数矩阵
• energy_curve：能量函数收敛曲线数据
• 可视化结果：包含原图、初始轮廓、迭代过程和最终分割结果的综合展示

系统要求

• MATLAB R2016b或更高版本
• Image Processing Toolbox（图像处理工具箱）
• 支持的操作系统：Windows/Linux/macOS

文件说明

主程序文件实现了Chan-Vese算法的核心功能，包括图像预处理、水平集函数初始化、能量最小化迭代求解、收敛判断以及结果可视化。该文件整合了参数处理、数值计算和图形显示等多个模块，提供从图像输入到分割结果输出的完整流程，支持默认参数运行和用户自定义配置两种模式，能够生成分割掩模、水平集函数和收敛分析等多种输出数据。