Python opencv醫學處理的實現過程
題目描述
利用opencv
或其他工具編寫程序實現醫學處理。
實現過程
# -*- coding: utf-8 -*- ''' 作者 : 丁毅 開發時間 : 2021/5/9 16:30 ''' import cv2 import numpy as np # 圖像細化 def VThin(image, array): rows, cols = image.shape NEXT = 1 for i in range(rows): for j in range(cols): if NEXT == 0: NEXT = 1 else: M = int(image[i, j - 1]) + int(image[i, j]) + int(image[i, j + 1]) if 0 < j < cols - 1 else 1 if image[i, j] == 0 and M != 0: a = [0]*9 for k in range(3): for l in range(3): if -1 < (i - 1 + k) < rows and -1 < (j - 1 + l) < cols and image[i - 1 + k, j - 1 + l] == 255: a[k * 3 + l] = 1 sum = a[0] * 1 + a[1] * 2 + a[2] * 4 + a[3] * 8 + a[5] * 16 + a[6] * 32 + a[7] * 64 + a[8] * 128 image[i, j] = array[sum]*255 if array[sum] == 1: NEXT = 0 return image def HThin(image, array): rows, cols = image.shape NEXT = 1 for j in range(cols): for i in range(rows): if NEXT == 0: NEXT = 1 else: M = int(image[i-1, j]) + int(image[i, j]) + int(image[i+1, j]) if 0 < i < rows-1 else 1 if image[i, j] == 0 and M != 0: a = [0]*9 for k in range(3): for l in range(3): if -1 < (i-1+k) < rows and -1 < (j-1+l) < cols and image[i-1+k, j-1+l] == 255: a[k*3+l] = 1 sum = a[0]*1+a[1]*2+a[2]*4+a[3]*8+a[5]*16+a[6]*32+a[7]*64+a[8]*128 image[i, j] = array[sum]*255 if array[sum] == 1: NEXT = 0 return image array = [0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\ 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1,\ 0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\ 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1,\ 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\ 1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 1,\ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\ 0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\ 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1,\ 0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\ 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0,\ 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\ 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0,\ 1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 0,\ 1, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0] # 顯示灰度圖 img = cv2.imread(r"C:\Users\pc\Desktop\vas0.png",0) cv2.imshow("img1",img) # 自適應閾值分割 img2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 17, 4) cv2.imshow('img2', img2) # 圖像反色 img3 = cv2.bitwise_not(img2) cv2.imshow("img3", img3) # 圖像擴展 img4 = cv2.copyMakeBorder(img3, 1, 1, 1, 1, cv2.BORDER_REFLECT) cv2.imshow("img4", img4) contours, hierarchy = cv2.findContours(img4, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) # 消除小面積 img5 = img4 for i in range(len(contours)): area = cv2.contourArea(contours[i]) if (area < 80) | (area > 10000): cv2.drawContours(img5, [contours[i]], 0, 0, -1) cv2.imshow("img5", img5) num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(img5, connectivity=8, ltype=None) # print(stats) s = sum(stats) img6 = np.ones(img5.shape, np.uint8) * 0 for (i, label) in enumerate(np.unique(labels)): # 如果是背景,忽略 if label == 0: # print("[INFO] label: 0 (background)") continue numPixels = stats[i][-1] div = (stats[i][4]) / s[4] # print(div) # 判斷區域是否滿足面積要求 if round(div, 3) > 0.002: color = 255 img6[labels == label] = color cv2.imshow("img6", img6) # 圖像反色 img7 = cv2.bitwise_not(img6) # 圖像細化 for i in range(10): VThin(img7, array) HThin(img7, array) cv2.imshow("img7",img7) # 邊緣檢測 img8 = cv2.Canny(img6, 80, 255) cv2.imshow("img8", img8) # 使灰度圖黑白顛倒 img9 = cv2.bitwise_not(img8) cv2.imshow("img9", img9) cv2.waitKey(0)
運行結果
問題及解決方法
1.自適應閾值處理運行報錯
參考鏈接
解決方式:
void adaptiveThreshold(InputArray src, OutputArray dst, double
maxValue, int adaptiveMethod, int thresholdType, int bolckSize, double C)
src
:InputArray
類型的src
,輸入圖像,填單通道,單8
位浮點類型Mat
即可。dst
:函數運算後的結果存放在這。即為輸出圖像(與輸入圖像同樣的尺寸和類型)。maxValue
:預設滿足條件的最大值。adaptiveMethod
自適應閾值算法。ADAPTIVE_THRESH_MEAN_C
或ADAPTIVE_THRESH_GAUSSIAN_C
兩種。thresholdType
:指定閾值類型。可選擇THRESH_BINARY
或者THRESH_BINARY_INV
兩種(即二進制閾值或反二進制閾值)。bolckSize
:表示鄰域塊大小,用來計算區域閾值,一般選擇為3、5、7......
等。C
:參數C
表示與算法有關的參數,它是一個從均值或加權均值提取的常數,可以是負數。- 根據報錯提示及參數解釋,
blockSize
的取值需要大於1
且為奇數。
2.圖像擴展
參考鏈接
方式:使用cv2.copyMakeBorder()
函數。
主要參數:
src
: 輸入的圖片。top, bottom, left, right
:相應方向上的邊框寬度。borderType
:定義要添加邊框的類型,詳情參考鏈接。
3.面積選擇
參考鏈接
方式:選擇滿足面積80-10000
的圖像輸出, 去除噪聲位置元素。
4.圖像細化
參考鏈接
方式:經過一層層的剝離,從原來的圖中去掉一些點,但仍要保持原來的形狀,直到得到圖像的骨架。骨架,可以理解為圖像的中軸。
到此這篇關於Python opencv醫學處理的實現過程的文章就介紹到這瞭,更多相關Python opencv醫學處理內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- OpenCV學習記錄python實現連通域處理函數
- 詳解OpenCV執行連通分量標記的方法和分析
- Python+OpenCV實現表面缺陷檢測
- python中opencv圖像疊加、圖像融合、按位操作的具體實現
- python opencv 畫外接矩形框的完整代碼