Python opencv医学处理的实现过程
程序员文章站
2022-06-25 09:52:56
题目描述利用opencv或其他工具编写程序实现医学处理。实现过程# -*- coding: utf-8 -*-'''作者 : 丁毅开发时间 : 2021/5/9 16:30'''import cv2i...
题目描述
利用opencv
或其他工具编写程序实现医学处理。
实现过程
# -*- coding: utf-8 -*- ''' 作者 : 丁毅 开发时间 : 2021/5/9 16:30 ''' import cv2 import numpy as np # 图像细化 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] # 显示灰度图 img = cv2.imread(r"c:\users\pc\desktop\vas0.png",0) cv2.imshow("img1",img) # 自适应阈值分割 img2 = cv2.adaptivethreshold(img, 255, cv2.adaptive_thresh_mean_c, cv2.thresh_binary, 17, 4) cv2.imshow('img2', img2) # 图像反色 img3 = cv2.bitwise_not(img2) cv2.imshow("img3", img3) # 图像扩展 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) # 消除小面积 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) # 判断区域是否满足面积要求 if round(div, 3) > 0.002: color = 255 img6[labels == label] = color cv2.imshow("img6", img6) # 图像反色 img7 = cv2.bitwise_not(img6) # 图像细化 for i in range(10): vthin(img7, array) hthin(img7, array) cv2.imshow("img7",img7) # 边缘检测 img8 = cv2.canny(img6, 80, 255) cv2.imshow("img8", img8) # 使灰度图黑白颠倒 img9 = cv2.bitwise_not(img8) cv2.imshow("img9", img9) cv2.waitkey(0)
运行结果
问题及解决方法
1.自适应阈值处理运行报错
解决方式:
void adaptivethreshold(inputarray src, outputarray dst, double
maxvalue, int adaptivemethod, int thresholdtype, int bolcksize, double c)
-
src
:inputarray
类型的src
,输入图像,填单通道,单8
位浮点类型mat
即可。 -
dst
:函数运算后的结果存放在这。即为输出图像(与输入图像同样的尺寸和类型)。 -
maxvalue
:预设满足条件的最大值。 -
adaptivemethod
自适应阈值算法。 -
adaptive_thresh_mean_c
或adaptive_thresh_gaussian_c
两种。 -
thresholdtype
:指定阈值类型。可选择thresh_binary
或者thresh_binary_inv
两种(即二进制阈值或反二进制阈值)。 -
bolcksize
:表示邻域块大小,用来计算区域阈值,一般选择为3、5、7......
等。 -
c
:参数c
表示与算法有关的参数,它是一个从均值或加权均值提取的常数,可以是负数。 - 根据报错提示及参数解释,
blocksize
的取值需要大于1
且为奇数。
2.图像扩展
方式:使用cv2.copymakeborder()
函数。
主要参数:
-
src
: 输入的图片。 -
top, bottom, left, right
:相应方向上的边框宽度。 -
bordertype
:定义要添加边框的类型,详情参考链接。
3.面积选择
方式:选择满足面积80-10000
的图像输出, 去除噪声位置元素。
4.图像细化
方式:经过一层层的剥离,从原来的图中去掉一些点,但仍要保持原来的形状,直到得到图像的骨架。骨架,可以理解为图像的中轴。
到此这篇关于python opencv医学处理的实现过程的文章就介绍到这了,更多相关python opencv医学处理内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
推荐阅读
-
使用Python OpenCV为CNN增加图像样本的实现
-
Python基于opencv调用摄像头获取个人图片的实现方法
-
详解Python logging调用Logger.info方法的处理过程
-
Python3+OpenCV2实现图像的几何变换(平移、镜像、缩放、旋转、仿射)
-
Python3中常用的处理时间和实现定时任务的方法的介绍
-
python+opencv实现的简单人脸识别代码示例
-
Python图像处理实现两幅图像合成一幅图像的方法【测试可用】
-
OpenCV python sklearn随机超参数搜索的实现
-
Python opencv实现人眼/人脸识别以及实时打码处理
-
使用Python OpenCV为CNN增加图像样本的实现