一、前言

此示例展示了如何使用两种策略快速处理阻塞图像，这两种策略可以对高分辨率图像的较小代表性样本进行计算。

处理被阻止的图像可能非常耗时，这使得算法的迭代开发成本过高。有两种常见的方法可以缩短反馈周期：迭代较低分辨率的图像或迭代被阻止图像的部分区域。此示例演示了为被阻止的图像创建分割掩码的这两种方法。

原始图像是含有肿瘤组织的淋巴结的训练图像。原始图像有八个分辨率级别，最精细的级别具有分辨率 53760 x 61440。修改后的图像只有三个粗略分辨率级别。已调整修改影像的空间参考，以强制实施一致的纵横比并在每个级别注册要素。

使用该函数显示被阻止的图像。

二、使用较低分辨率的图像加速处理

许多被屏蔽的图像包含多个分辨率级别，包括最精细高分辨率图像的粗糙低分辨率版本。通常，各个像素值在所有级别的分布应大致相等。利用此假设，您可以在粗略级别计算全局统计信息，然后使用统计信息来处理更精细的级别。

以最粗略级别提取图像，然后将图像转换为灰度。将图像分为两类并显示结果。

在最大的图像上进行验证。否定结果以获得染色区域的掩模。以最精细的水平可视化结果。

三、使用被阻止图像的部分区域加速处理

处理大图像时的另一种方法是提取具有感兴趣特征的较小区域。您可以从 ROI 计算统计信息，然后使用这些统计信息来处理整个高分辨率图像。

放大感兴趣区域。

从最精细的级别提取正在显示的区域。

然后显示具有此区域的原型。

验证完全阻止的图像并显示结果。

四、程序

使用Matlab R2022b版本，点击打开。（版本过低，运行该程序可能会报错）

程序有偿获取：评论区下留言，博主看到会私信你。