求图像中指定颜色区域的相对面积问题

本文介绍了如何通过图像处理方法计算医学图像中阴影(坏死)区域的相对面积。针对纯数学计算的困难,提出采用读取像素点RGB值并转为灰度值的方法,遍历图像计算阴影部分面积。尽管存在误差,但可通过算法优化和图像预处理减少误差。在临床应用中,还需考虑提高精度。
摘要由CSDN通过智能技术生成

一、问题描述

下图为一张医学图像,图中的阴影面积为坏死需要切除的脑组织,其中黑色的圆圈为AI所画,红色的圆圈为临床医生所画,现在需要计算阴影面积大小。
医学图像

二、解决思路

思路一:由图可见,两个圆圈均为椭圆,考虑在图像上建立直角坐标系,然后确定两个椭圆方程,再用微积分知识求得两圆重叠部分面积大小。此种方法基本上属于纯数学计算,计算量巨大,计算到一半实在算不下去了,就放弃了。
思路二:图像处理的问题直接对像素点进行处理,首先读取该图像所有的像素点个数,然后读取图像每个像素点的RGB值,并将该GRB转换为灰度值,最后根据像素点的灰度值计算出阴影部分相对面积。此种方法的局限性在于圈外有颜色比较深的像素点和圈内有比较浅的像素点都会影响计算结果的准确度。

三、解决方法

下面介绍一下具体的思路二的解决方案,该方法是对当个像素点进行比较底层的计算操作,因此不适用像素高的图像。
3.1 导入需要的模块

from PIL import Image
import cv2
import csv

3.2 获取图像所有像素点个数信息

image=cv2.imread('7864d35aaa1262bbca983a4765f1af6.jpg')
a = image.shape
print('图像像素高度为:{},图像像素宽度为:{},图像通道数为:{}'.format(a[0],a[1],a[2]))
all_pixel_points = a[0]*a[1]
print('图像总的像素点有:{}个'.format(all_pixel_points))

3.3 遍历图像中所有像素点X坐标值、Y坐标值以及响应坐标的RGB值,并写入all_Pixel points.csv中

header = [' x坐标',' y坐标',' R',' G',' B']

wit
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

放点花椒~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值