【医学图像边界显示】

---

前言

医学图像分割的精确度往往就体现在图像边界的分割上，网上找了很多都没有重点显示图像边缘的分割，本文对此做一个简单分享。

---

一、读取图片

input_path = './dataset/output/ISIC_0009928.png'
target_path = './dataset/output/ISIC_0009928_mask.png'

input_img = cv2.imread(input_path)

img = cv2.imread(target_path)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
print(type(img),type(gray),img.shape,gray.shape)
print(img.max(),img.min(),gray.max(),gray.min())

<class ‘numpy.ndarray’> <class ‘numpy.ndarray’> (96, 128, 3) (96, 128)
255 0 255 0

二、图片二值化

选取全局阈值，将整幅图像分成二值图像。如果像素值大于阈值，则为其分配之歌值（可以是白色），否则为其分配另一个值（可以是黑色）。使用的函数是cv2.threshold：：

ret, binary = cv2.threshold(gray,100,255,cv2.THRESH_BINARY)
print(ret, type(ret),binary.shape,type(binary))
print(binary.max(), binary.min())

100.0 <class ‘float’> (96, 128) <class ‘numpy.ndarray’>
255 0

三、轮廓检测

contours, hierarchy = cv2.findContours(image,mode,method)

• image：输入图像
• mode：轮廓的模式
• method：轮廓的近似方法
• contours：返回的轮廓
• hierarchy：每条轮廓对应的属性

contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)  
print(type(contours),type(hierarchy),hierarchy.shape)

<class ‘tuple’> <class ‘numpy.ndarray’> (1, 1, 4)

四、绘制轮廓

end_img = cv2.drawContours(input_img,contours,-1,(255,36,0),3) 

b,g,r = cv2.split(end_img)
end_img = cv2.merge([r,g,b])

plt.figure()
plt.imshow(end_img)
# img_pil.show()

plt.show()

---