Snake算法

snake是一種主動輪廓模型，主動輪廓模型目前用到了2種：CV和snake。snake在逐步迭代優化過程的目標是能量函數最小化，snake的目標不像sobel、canny等找到整張圖的輪廓。它只搜索你給出的初始輪廓附近，達到輪廓更精確的目標，至少原版的snake只能達到局部優化的目標。

因為曲線曲率的關系，閉合的輪廓曲線中，凸曲線按照法向量的方向，具有向內的作用力；凹曲線法向量向外，具有向外的力。而曲率計算就是跟一階導數、二階導數相關的。

在迭代過程中，彈性能量能快速的把輪廓壓縮成光滑的圓；彎曲能量將輪廓拉成光滑的曲線或直線，他們的作用是保持輪廓的光滑和連續性。通常alpha越大，輪廓收斂越快；beta越大，輪廓越光滑。

通常梯度高的位置都是圖像中前景與背景的界限或者物體與物體之間、物體內部不同部分的界限，適合用于分割。外部能量會使輪廓朝（灰度）高梯度位置靠近。

Snake目前主流的圖像分割方法，曲線演化理論如下圖，曲線存在曲率，曲率有正有負，于是在法向曲率力的推動下，曲線的運動方向之間有所不同：有些部分朝外擴展，而有些部分則朝內運動。這種情形如下圖所示。圖中藍色箭頭處的曲率為負，而綠色箭頭處的曲率為正。

粗略表示為Esnake=Vs+Vss+Eext；可以認為當Esnake的能量達到最小時snake曲線和物體的邊緣一致。

Snake主要原理是先提供待分割圖像的一個初始輪廓的位置，并對其定義個能量函數，是輪廓沿能量降低的方向靠近。當能量函數達到最小的時候，提供的初始輪廓收斂到圖形中目標的真實輪廓。

Snake能量函數是有內部能量函數和外部能量函數組成，內部能量控制輪廓的平滑性和連續性，外部能量由圖像能量和約束能量組成，控制輪廓向著實際輪廓收斂，其中約束能量可根據具體的對象形態定義，使得snake具有很大的靈活性。

Snake模型主要研究的方面：

1.表示內部能量的曲線演化??? 2.外力??? 3.能量最小化

由于snake模型對于初始位置比較敏感，因此要求初始輪廓盡可能的靠近真實輪廓，而當圖像邊緣模糊，目標比較復雜或與其他的物體靠的比較近時，其初始輪廓更不易確定。

應用snake的優勢：由于生物或人體組織解剖結構的復雜性，以及軟組織形狀的易變性，那些僅依賴于圖像本身的灰度，紋理屬性等低層次視覺屬性來進行分割的圖像分割方法難以獲得理想的分割效果，因此醫學圖像分割迫切需要有一種靈活的框架，能將基于圖像本身低層次視覺屬性（邊緣，紋理，灰度，色彩）和人們對于待分割目標的知識經驗，如目標形狀的描述，亮度，色彩的經驗統計，醫生的經驗等，可以一種有機的方式整合起來，得到待分割區域的完整表達。

總結

以上是生活随笔為你收集整理的Snake算法知识点记录的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。