【图像预处理】图像毛发去除-超详细

提示：数据集使用HAM10000皮肤癌图像

---

前言

在深度学习进行数据集预处理时，针对皮肤病变的特征，常常会有毛发干扰，为了去除毛发特征，采用一些算法进行处理。
参考：
①博客参考
②github链接

---

一、第一步：安装cv2

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
安装 OpenCV：
最简单的方法是使用 pip 安装 OpenCV。在终端或命令提示符中运行以下命令：

pip install opencv-python

或者，如果你需要安装特定版本：

pip install opencv-python==<version>

其中 是你想要安装的 OpenCV 版本号

二、使用代码

1.单张图片处理

代码如下（示例）：

import cv2
def DHR(imgpath,outpath):
    
    src = cv2.imread(imgpath)
    grayScale = cv2.cvtColor(src, cv2.COLOR_RGB2GRAY )
    cv2.imwrite("grey.jpg",grayScale)
    kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(10,10))
    blackhat = cv2.morphologyEx(grayScale, cv2.MORPH_BLACKHAT, kernel)
    cv2.imwrite("blackhat.jpg",blackhat)
    ret,thresh2 = cv2.threshold(blackhat,10,255,cv2.THRESH_BINARY)
    cv2.imwrite("threshold.jpg",thresh2)
    dst = cv2.inpaint(src,thresh2,1,cv2.INPAINT_TELEA)
    cv2.imwrite(outpath, dst, [int(cv2.IMWRITE_JPEG_QUALITY), 100])

结果如下图，依次处理流程为：

2.对每个分类子文件夹中的图片进行处理

代码如下（示例）：

import cv2
import os

def DHR(imgpath, outpath):
    src = cv2.imread(imgpath)
    if src is None:
        print(f"无法加载图像: {imgpath}")
        return

    grayScale = cv2.cvtColor(src, cv2.COLOR_RGB2GRAY)
    kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (10, 10))
    blackhat = cv2.morphologyEx(grayScale, cv2.MORPH_BLACKHAT, kernel)
    ret, thresh2 = cv2.threshold(blackhat, 10, 255, cv2.THRESH_BINARY)
    dst = cv2.inpaint(src, thresh2, 3, cv2.INPAINT_TELEA)  # 使用3作为inpaint的半径
    cv2.imwrite(outpath, dst, [int(cv2.IMWRITE_JPEG_QUALITY), 100])

def process_images(input_dir, output_dir):
    # 确保输出目录存在
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

    # 递归遍历输入目录中的所有文件和文件夹
    for root, dirs, files in os.walk(input_dir):
        for filename in files:
            if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):
                imgpath = os.path.join(root, filename)
                # 构造输出文件的路径
                # 保持原有分类结构
                relative_path = os.path.relpath(root, input_dir)
                output_subdir = os.path.join(output_dir, relative_path)
                if not os.path.exists(output_subdir):
                    os.makedirs(output_subdir)
                file_root, file_ext = os.path.splitext(filename)
                outpath = os.path.join(output_subdir, f"{file_root}.jpg")
                DHR(imgpath, outpath)
                print(f"处理完成: {imgpath} -> {outpath}")

if __name__ == '__main__':
    input_dir = '原图像文件夹路径'
    output_dir = '输出图像路径'
    process_images(input_dir, output_dir)

请注意，DHR 函数中的 cv2.inpaint 方法的半径参数已从 1 更改为 3，这是一个更常用的值，可能提供更好的填充效果。你可以根据你的具体需求调整这个值。

最后结果在output_dir文件夹内。

---