python医学图像处理之分割结果补全

       做图像分割的小伙伴们一定都遇到过这个问题——图像分割结果总是会出现一些分割不完全的问题。针对这种问题呢，今天教给大家一些基于opencv的解决方法。

import cv2

       分割不完全重要分为两种情况。

       第一种是存在封闭孔洞的情况（如图1所示）。孔洞也就是说，在一块连通的分割区域中间存在轮廓封闭的漏洞。

图1 封闭空洞

       对于补孔洞的情况，其实网上已经有很多解决方法，这里我就介绍一种最容易理解的方法——外轮廓填充。

       图1是我阈值分割后的二值化结果。我们提取外轮廓，然后对外轮廓内部进行填充。

import cv2

# 读取二值图像
image = cv2.imread(r"D:\cartilage\fx_ct\src\1.2.156.14702.1.1007.256.2.2021052316521759048720.jpg")
imgray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 阈值分割
maxval = 255
the, dst = cv2.threshold(imgray, thresh=175, maxval=maxval, type=cv2.THRESH_BINARY) #可更改阈值thresh

# 轮廓提取
contours, hierarchy = cv2.findContours(dst, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

#轮廓填充
img = np.zeros(np.shape(image))
cv2.drawContours(img, contours, -1, (255, 255, 255), thickness=-1)

#结果可视化
cv2.imshow("result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

        图2是补孔洞的结果。

图2 补孔洞结果

       第二种是存在轮廓未封闭的缺损的情况（如图3所示）。

图3 轮廓未封闭缺损

       这种情况不能通过网上补孔洞的方式（形态学重建、轮廓填充、漫水填充等）进行补全。很多小伙伴可能会想通过闭运算（先膨胀后腐蚀）解决此类问题，但是呢，我尝试了一下，闭运算对于一些小的只有一小块轮廓未封闭的缺损是有效的。 

       这里呢，给大家一种解决方法，先膨胀，再进行外轮廓填充，最后再进行腐蚀。

kernel = np.ones((3, 3), np.uint8)

# 进行膨胀
dst_erode = cv2.dilate(img, kernel, iterations=1)
dst_erode = cv2.convertScaleAbs(dst_erode)
dst_erode = cv2.cvtColor(dst_erode, cv2.COLOR_BGR2GRAY)

# 提取膨胀后外轮廓并进行填充
contours3, hierarchy3 = cv2.findContours(dst_erode, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
close_img = np.zeros(np.shape(image))
cv2.drawContours(close_img, contours3, -1, (255, 255, 255), thickness=-1)

# 进行腐蚀
close_img = cv2.erode(close_img, kernel, iterations=1)

         这里输入的img是阈值分割的二值化结果。大家可以针对自己的图像修改参数哦~可以修改的参数有kernel的size、腐蚀和膨胀的iterations。但是大家一定要保证腐蚀和膨胀的iterations的值是一样的，不然处理后的分割结果一定是不对的。

         图4是这种方式的结果。

图4 轮廓未封闭缺损补全结果

        如果两种情况兼存，那大家可以先按照第一种方法进行外轮廓填充，然后，将外轮廓填充后的结果作为第二种方法的输入，再执行第二种方法，就基本上可以解决这个问题。

        最后，希望能够帮助到大家哦~

        如果有小伙伴对医学图像处理有兴趣，可以看看我其他的文章和资源哦~