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
极客智造2 小时前
OpenCV C++ 色彩空间详解:转换、应用与 LUT 技术
c++·人工智能·opencv
湫兮之风2 小时前
OpenCV: cv::warpAffine()逆仿射变换详解
人工智能·opencv·计算机视觉
计算机编程小央姐3 小时前
数据安全成焦点:基于Hadoop+Spark的信用卡诈骗分析系统实战教程
大数据·hadoop·python·spark·毕业设计·课程设计·dash
max5006003 小时前
本地部署开源数据生成器项目实战指南
开发语言·人工智能·python·深度学习·算法·开源
MonkeyKing_sunyuhua4 小时前
mac怎么安装uv工具
python·macos·uv
Source.Liu4 小时前
【Python基础】 19 Rust 与 Python if 语句对比笔记
笔记·python·rust
工业互联网专业4 小时前
基于Spark的新冠肺炎疫情实时监控系统_django+spider
python·spark·django·vue·毕业设计·源码·课程设计
Yh8702034 小时前
2025年经济学专业女生必考证书指南:打造差异化竞争力
python
BYSJMG5 小时前
大数据毕业设计推荐:基于Spark的零售时尚精品店销售数据分析系统【Hadoop+python+spark】
大数据·hadoop·python·spark·django·课程设计