【CV作业05】肺部区域提取

题目要求

提供了上图所示胸部CT图像，实现：提取两个肺部区域，如由下图所示。

说明：不能使用区域增长算法！

环境

• python 3.8
• openCV 4.2.0

实验步骤

1. 读取图片
   

2. 二值化

   测试了 lab04的四个分割方法，选取 yen分割，yen的代码也是lab04中实现的

3. 图像反转
   

4. 获取联通分量的信息
   我们想要保留的肺部区域为 label 97和130

   

5. 保留目标区域的联通分量
   

6. 形态学处理去除孔洞
   

源代码

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
from skimage import measure


# 测试了 lab04的四个分割方法，选取 yen分割
def yen(src):
    H, W = src.shape

    hist, bins = np.histogram(src.ravel(), 256, [0, 256])
    total_pixels = H*W
    p = hist / total_pixels
    w = np.cumsum(p)
    mu = np.cumsum(p * np.arange(0, 256))
    mu_t = mu[-1]

    sigma_b_squared = (mu_t * w - mu) ** 2 / (w * (1 - w))
    sigma_b_squared[~np.isfinite(sigma_b_squared)] = 0
    sigma_b_squared_max = sigma_b_squared.max()
    T = np.where(sigma_b_squared == sigma_b_squared_max)[0][0]

    dst = src.copy()

    for i in range(H):
        for j in range(W):
            if src[i, j] < T:
                dst[i, j] = 0
            else:
                dst[i, j] = 1

    return dst

# 读取图片
org_img = cv.imread('chest.PNG', cv.IMREAD_GRAYSCALE)
# 二值化
yen_img = yen(org_img)
# 图像反转
gr_img = np.array(255-yen_img)

# 连通分量标记
rst_labels, num_labels = measure.label(gr_img, connectivity=2, return_num=True)
# 连通分量属性提取
props = measure.regionprops(rst_labels)
# 对连通分量按面积大小进行排序

props_sorted = sorted(props, key=lambda x: x.area, reverse=True)
# 构建全黑图像
mask = np.zeros_like(gr_img)
# 保留面积第3、4的连通分量
for prop in props_sorted[2:4]:
    # 将该连通分量在遮罩上标出
    mask[rst_labels == prop.label] = 255
    
# 形态学处理去除孔洞
# 定义结构元素,十字形
kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (30, 30))
# 进行闭操作
closed_img = cv.morphologyEx(mask, cv.MORPH_CLOSE, kernel)

plt.imshow(closed_img, cmap='gray'), plt.axis('off')
plt.show()