简单的射线模型代码

写在前面的话

  虽然这只是我之前做了一部分，但是没继续做下去的工作，做出来的也挺垃圾，但是代码是我写，思想是我的，使用请征得同意并注明来源

参考来源

  “射线模型”来自这篇文献《 3D neuron tip detection in volumetric microscopy images using an adaptive ray-shooting model》，当然，11年的时候就已经有这个模型了，18年的时候又发了一篇，后面这个团队也用这个模型做了很多事情。在这篇文章里，这个模型主要是射出一些点，点又连成线(如下图所示)，计算一下这些点线上的信号强度，再设定一些限制条件，比如线之间的角度，总的强度大小啊这些，就能确定一段有多分叉的树枝里面哪里是分叉点，哪里是末端点等等~
  大概就是和下面两张图一样，具体的一些东西，感兴趣的朋友可以研读一下论文啥的~

思路原理

  利用这样的射线模型，刚好那段时间手上有个图像分割的项目，结合射线爆发算法，就自己搞了个简单射线模型代码，用来分割较为模糊的边缘~
  原始数据类似下图，我们要分割出来的是黑圈周围那一团，和背景颜色很接近，和黑圈区别很大。这一团的边缘不是完全闭合的，会有开口，所以区域增长不能用，不然就会像杯底破了洞，水不知道流成什么样~
  对于这样的灰度图像来说，边缘处的灰度值还是会有差异的~，那就让射线模型不断向外射点，达到阈值条件时就画出点，结果就和第二张图一样啦，把大部分点连成线，就分割出来了

代码实现

import cv2
import random
import numpy as  np

# 读取图片
IMG= cv2.imread(r"")

#这里就不贴批量获取起始点和黑圈短轴长的代码部分了，直接上射线的部分
def shooting(IMG, start_point, r,angle, points_num, points_step,bound_value):
    gray_value = []
    coordinate_x = []
    coordinate_y = []
    # 确定射线方向
    num_step = 360 / angle
    for theta in range(int(num_step)):
        part_angle = theta * angle  # 每一次的方向角
        # 每个方向以一定的距离和数量射出点
        for num in range(1, points_num + 1):
            length =num* points_step
            x = start_point[0] + (length+r) * np.cos(part_angle)
            y = start_point[1] + (length+r) * np.sin(part_angle)
            if round(y) >= IMG.shape[0] or round(x) >= IMG.shape[1]:#不等于还不行了
                break
            else:
                coordinate_x.append(str(round(x)))
                coordinate_y.append(str(round(y)))
                points_value = IMG[round(y), round(x)][0]  # BGR,HSV,GRAY都是[y,x]
                gray_value.append(points_value)
                # 每个方向上后一个点减去前一个点得到差值diff
                diff_value = int(gray_value[len(gray_value) - 1]) - int(gray_value[len(gray_value) - 2])
                if diff_value > bound_value:
                    cv2.circle(original_image,
                               (int(coordinate_x[len(coordinate_x) - 1]), int(coordinate_y[len(coordinate_y) - 1])), 0,
                               (0, 255, 0), 1)
                    break
                # cv2.circle(IMG, (round(x), round(y)), 0, (0, 0, 255), 1)
        # print(gray_value)
        gray_value.clear()
        coordinate_x.clear()
        coordinate_y.clear()



#附带一个可以打点看坐标和灰度值的代码
gray = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)
def on_EVENT_LBUTTONDOWN(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        xy = "%d,%d" % (x, y)
        cv2.circle(original_image, (x, y), 1, (0, 0, 255), thickness=-1)
        cv2.putText(original_image, str(gray[y, x]), (x, y), cv2.FONT_HERSHEY_PLAIN,
                    1.0, (255, 255, 255), thickness=1)
        cv2.imshow("image", original_image)

if __name__ == '__main__':
    shooting(图, 射线中心坐标, 黑圈短轴长, 角度 , 点数, 同方向上点之间的间隔, 停下的条件)
    cv2.namedWindow("image",0)
    # cv2.setMouseCallback("image", on_EVENT_LBUTTONDOWN)
    cv2.resizeWindow("image", 8000, 8000);
    cv2.imshow("image",original_image)
    cv2.waitKey()

  就这样啦~因为没有继续研究下去，其中还涉及的计算量等一系列问题就不放上去了，希望在记录我这个科研小垃圾成长的同时，也给大家一些帮助。

在此过程中看到的有用的内容

变成HSV分割
医学图像分割
光照不均匀图像分割技巧