机器视觉-医学处理（Python）

1. 题目描述

利用opencv python对图1-1进行医学处理。
实验目的：
（1）读取原图像并显示原图为img0；
（2）用Niblack方法对灰度图进行局部动态阈值分割并进行展示为img1；
（3）对图像进行反色并进行展示为img2；
（4）对图像进行扩展并进行展示为img3；
（5）选择满足面积要求的目标输出（针对黑色背景白色目标的二值图）并进行展示为img4；
（6）输出最大连通图并进行展示为img5；
（7）对最大连通图进行细化并进行展示为img6；
（8）提取最大连通图的轮廓并进行展示为img7；
（9）对轮廓图像进行反色输出最终效果图为img8。

图1-1 vas0.png

2.实验过程

（1）实验代码

import cv2

import numpy as np

# 读取图像

img0=cv2.imread('vas0.png')

cv2.imshow('img0',img0)


#局部阈值分割

gray = cv2.cvtColor(img0, cv2.COLOR_RGB2GRAY)  #把输入图像灰度化

#自适应阈值化能够根据图像不同区域亮度分布，改变阈值

img1 =  cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY, 35,3)

cv2.imshow("img1", img1)


#图像反色

img2 = img1.copy()

cv2.threshold(img1,80,255,0,img1)

for i in range(0,img1.shape[0]):

    for j in range(0,img1.shape[1]):

        img2[i,j] = 255-img1[i,j]

cv2.imshow("img2", img2)


#图像扩展

img3 = cv2.copyMakeBorder(img2,1,1,1,1,cv2.BORDER_REPLICATE)

cv2.imshow("img3 ", img3 )



#选择满足面积要求的目标输出（针对黑色背景白色目标的二值图）

# 查找轮廓

contours,hierarchy = cv2.findContours(img3, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

#消除小面积

img4=img3.copy()
for i in range(len(contours)):

    area = cv2.contourArea(contours[i])

    if area < 150:

        cv2.drawContours(img4,[contours[i]],0,0,-1)

cv2.imshow("img4 ",img4 )

#面积滤波，用连通区域的面积除以连通区域包络盒的面积，仅保留当这个比值小于用户所给的div的值时的连通区域

img5=img4.copy()

contours1,hierarchy = cv2.findContours(img5, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

for j in range(len(contours1)):

    area1 = cv2.contourArea(contours1[j])

    if area1 ==157.0:      
        cv2.drawContours(img5,[contours1[j]],0,0,-1)
    elif area1