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~