題目描述

利用opencv或其他工具編寫程序?qū)崿F(xiàn)醫(yī)學(xué)處理。

實現(xiàn)過程

# -*- coding: utf-8 -*-’’’作者 : 丁毅開發(fā)時間 : 2021/5/9 16:30’’’import cv2import numpy as np# 圖像細(xì)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 1if 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 imagedef 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 1if 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 imagearray = [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:UserspcDesktopvas0.png',0)cv2.imshow('img1',img)# 自適應(yīng)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 = img4for 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) * 0for (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(qū)域是否滿足面積要求 if round(div, 3) > 0.002:color = 255img6[labels == label] = colorcv2.imshow('img6', img6)# 圖像反色img7 = cv2.bitwise_not(img6)# 圖像細(xì)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(jié)果

問題及解決方法1.自適應(yīng)閾值處理運行報錯參考鏈接解決方式：

void adaptiveThreshold(InputArray src, OutputArray dst, doublemaxValue, 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(shù)運算后的結(jié)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(yù)設(shè)滿足條件的最大值。 adaptiveMethod自適應(yīng)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(qū)域閾值，一般選擇為3、5、7......等。 C：參數(shù)C表示與算法有關(guān)的參數(shù)，它是一個從均值或加權(quán)均值提取的常數(shù)，可以是負(fù)數(shù)。 根據(jù)報錯提示及參數(shù)解釋，blockSize的取值需要大于1且為奇數(shù)。

2.圖像擴展

參考鏈接方式：使用cv2.copyMakeBorder()函數(shù)。主要參數(shù)：

src ： 輸入的圖片。 top, bottom, left, right ：相應(yīng)方向上的邊框?qū)挾取? 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(xì)化參考鏈接方式：經(jīng)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(guān)于Python opencv醫(yī)學(xué)處理的實現(xiàn)過程的文章就介紹到這了,更多相關(guān)Python opencv醫(yī)學(xué)處理內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！