Opencv+Python实现医学图片处理

利用Opencv+python实现下图的处理

一、实验目的

原图

处理结果如下图

二、实现代码

import cv2
import numpy as np
from skimage import morphology

img1 = cv2.imread("F:\\vas1.bmp")
cv2.imshow('img1',img1)
#自适应阈值分割
gray= cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
img2=cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,3)
cv2.imshow('img2',img2)
#反色
def inverse_color(img):
    height,width = img.shape
    img2 = img.copy()
    for i in range(height):
        for j in range(width):
            img2[i,j] = (255-img[i,j])
    return img2
img3 = inverse_color(img2)
cv2.imshow('img3',img3)
#对图像进行扩展
img4 = cv2.copyMakeBorder(img3,1,1,1,1,cv2.BORDER_REFLECT)
cv2.imshow('img4',img4)
#去除小于指定尺寸的区域
img5 = morphology.remove_small_holes(img2,150)
img_tmp1 = np.uint8(img5)*255
cv2.imshow('img5',inverse_color(img_tmp1))
img6 = morphology.remove_small_holes(img5,1000)
img6 = np.uint8(img6)*255
img7 = inverse_color(img6)
cv2.imshow('img6',inverse_color(img6))

#图像细化
img = img7.copy()
img = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)
gray= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img=cv2.adaptiveThreshold(gray,1,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,3)
img_sk = morphology.skeletonize(img)
img = np.uint8(img_sk)*255
cv2.imshow('img8',inverse_color(img))

#边界提取
img9 = cv2.Canny(inverse_color(img6),75,200)
cv2.imshow('img9',img9)
cv2.imshow('img10',inverse_color(img9))
cv2.waitKey()
cv2.destroyAllWindows()

三、运行结果如下

局部自适应动态阈值分割

反色

扩展

去除小的区域

再次去除

边缘提取

反色

四、遇到的问题及解决办法

(1)在运行过程中出现错误，如下图

解决方法：
在进行自适应阈值分割时图像不是8位灰度图像，把图像改为彩色图。
gray= cv.cvtColor(src, cv.COLOR_BGR2GRAY)

(2)在进行图片细化时，出现错误

解决方法：
将cv2.adapttiveThreshold()函数中的255改成1，因为skeletonize需要的是0和1，而不是0和255

(3)在显示经过scimage的morphology模块进行去除某些区域时，无法显示去除后的图像
解决办法：
这种情况是因为在进行去除时，得到的结果是一个boolean数组，要转换为0-255才能显示，img6 = np.uint8(img6)*255可将数据从uint16转换为uint8，把0-1转换为0-255

(4)在利用morphology.skeletonize()进行图片的细化时，出现错误，提取结果如下

正确结果应该如下

这个问题还未解决