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