CT影像寻找皮肤轮廓预处理

注意此方法处理的是CT影像。

问题是:原来对于CT影像寻找轮廓之前的预处理不合适,导致轮廓向体内偏移严重:

其实原因就是分割阈值过大。

主要处理步骤如下:

复制代码
 
python 复制代码
img = all_ds[i].pixel_array
 # 归一化
 norm = cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8)
 ​
 # 开运算
 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
 opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
 ​
 # 使用Otsu阈值分割 
 ret, binary = cv2.threshold(opening, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
 _, final = cv2.threshold(opening, ret, 255, cv2.THRESH_BINARY)
 ​
 contours, _ = cv2.findContours(final, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
 # 提取最大轮廓,这是我们要的最大外围轮廓
 ctr = max(contours, key=cv2.contourArea).squeeze()

根据手头上几个CT影像的测试结果,自认为经过上面的处理得到的结果是较好的。

此前,在otsu阈值分割之前采用的是闭运算而不是开运算,实验结果是采用闭运算轮廓会出现"不规则锯齿"问题。而开运算则避免了这个问题。我认为,闭运算先膨胀再腐蚀,填补内部小空洞,对物体边缘的作用是更"模糊化",即使得前景和背景过度更平滑,区别更不明显;而开运算先腐蚀再膨胀,去除噪声小白点,对物体边缘的作用是更"清晰化",即使得前景和背景区分的更明显。

同时,在otsu之前一般会有高斯模糊处理,最初我也这个操作。但是,在这个任务中我们目的是更清晰的找出身体的最外围轮廓,让前景、背景区别更明显,模糊化不利于这个效果,所以去掉,实验结果显示去掉后效果也会变好。

缺点:

采用开运算之后偶尔几张影像会出现"内凹"现象,推测原因是开运算腐蚀过于严重,但总体来看,采用开运算利大于弊。

相关推荐
starzy199027 分钟前
深入理解Scala隐式参数:上下文流转
开发语言·python·scala
wuyk5551 小时前
Spider-第16讲-线程池与竞态问题
大数据·爬虫·python·elasticsearch·搜索引擎
kyle~7 小时前
FastAPI --- 将业务能力以 API 的形式提供给外部系统
python·fastapi·前后端
aiotto资源分享8 小时前
Python 写 JSON 文件,程序中途退出会留下什么?
java·python·json·jsondecodeerror
梯度下降者9 小时前
Python信号量,条件变量,事件学习
python·条件变量·事件·信号量·线程通信
MSTcheng.9 小时前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
the局外人10 小时前
Python 实战检索优化:BM25、向量与重排
数据库·后端·python
__underline__10 小时前
冷门Python知识点006篇:Python 类体里的名字,能被"凭空造出来"
后端·python
用户03321266636711 小时前
使用 Python 轻松移除 Excel 文档中的重复行
python·excel
LiaoWL12311 小时前
从零搭一个 RAG 知识库(二):换上语义 Embedding——BGE 实测与阈值重校准
python·大模型·numpy·embedding·向量检索·rag