基于高斯混合模型（GMM）脑部肿瘤分割算法

1. 前言

说到图像分割，首先想到的便是诸如OTSU算法、区域自动生长之类的传统算法。虽然，这些算法的实现原理各不相同，但是有以下的缺点
1. 分割算法没有很好的自动化能力，比如区域生长算法
2. 分割的结果并不是最适宜的区域，比如OTSU
针对这样的问题，这里给出一种基于统计分析模型的自动化肿瘤分割方法。思路见下面的叙述。

2. 算法思路

首先分析拿到一张肿瘤图像进行分析

从上面的图中可以看到，白色的区域是肿瘤部分，其灰度值是较高的。然后对其灰度分布进行统计可以得到

再根据原始图像与灰度分曲线进行分析，可以将灰度分布曲线划分为三个部分

接下来就是针对这三个部分使用高斯混合模型去逼近，由而确定最佳的分割阈值。后续的就是分割之后不是肿瘤区域的去除，这可以通过轮廓选择的方式去除。

3. 算法结果展示

下面是我一整套流程下来得到的结果图片：