kaggle aptos2019 的图像预处理

最新推荐文章于 2024-02-06 17:45:48 发布

KailaoWang

最新推荐文章于 2024-02-06 17:45:48 发布

阅读量3.4k

点赞数 3

文章标签：计算机视觉 kaggle

本文链接：https://blog.csdn.net/a124389002/article/details/104936115

版权

本文介绍了kaggle aptos2019图像预处理步骤，包括基于眼球半径的resize、特征增强和去除眼球周围部分。预处理旨在统一图像尺寸、增强特征，提高模型对糖尿病视网膜病变检测的准确性。尽管一些后续竞赛中预处理影响不大，但在早期图像预处理仍然是关键的一环。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

kaggle aptos2019 的图像预处理

APTOS全称Asia Pacific Tele-Ophthalmology Society (APTOS) Symposium。训练和测试样本图片由印度Aravind Eye Hospital为了筛查农村人口的病情所得。

aptos2019 竞赛的目的是分析糖尿病造成的视网膜病变（diabetic retinopathy）的严重程度，正常为0，最差为4，疾病严重的可致盲。所以此项研究旨在利用人工智能方法尽早诊断糖尿视网膜病变，避免病情恶化。
kaggle链接如下：
https://www.kaggle.com/c/aptos2019-blindness-detection/overview

眼底照片如下：

图像预处理

由于图像实际拍摄的时间、地点、设备、操作人员不同，所以尺寸，颜色、亮度也各不相同。正所谓垃圾进，垃圾出。直接对原图进行训练增加训练的难度，不容易找到病变的特征。

一般的计算机视觉处理都会进行图像预处理。在aptos2019竞赛的kaggle社区notekooks中，看到最多的一种图像增强方法是Ben Graham提出的。他是aptos2015年的糖尿病视网膜病变竞赛的冠军，由于2019年的竞赛图像也是相似的，所以很多人都延用他的预处理方法。

方法分为以下3步

rescale the images to have the same radius (300 pixels or 500 pixels),
subtracted the local average color; the local average gets mapped to 50% gray,
clipped the images to 90% size to remove the “boundary effects”.

python 代码如下：

import cv2 , glob , numpy
# 输出图像的眼球半径都为1*scale个像素
def scaleRadius(img,scale):
    x = img[int(img.shape[0]/2),:

最低0.47元/天解锁文章