python 预处理 python预处理医学图像代码

转载

flyingsmiling 2023-06-26 11:18:39

文章标签 python 预处理 python opencv 代码实例连通图读取图像 文章分类 Python 后端开发

机器视觉实验八医学处理

一、实验目的

（1）能利用python编写程序实现相关图片处理功能；

（2）深入了解机器视觉相关应用领域。

二、题目描述

（1）读取图像并展示；

（2）用Niblack方法对灰度图进行局部动态阈值分割并进行展示；

（3）对图像进行反色；

（4）对图像进行扩展；

（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）；

（6）输出最大连通图；

（7）对最大连通图进行细化；

（8）提取最大连通图的轮廓；

（9）对轮廓图像进行反色输出最终效果图。

三、实现过程及运行效果

实验图片如下：

python 预处理 python预处理医学图像代码_python 预处理

图3.1原图像

实验步骤：

（1）读取图像并展示；

（2）用Niblack方法对灰度图进行局部动态阈值分割并进行展示；

代码实例：

import cv2
import numpy as np 
# 读取图像
img1=cv2.imread('vas0.bmp')
cv2.imshow('img1',img1)
cv2.waitKey(0)
#局部阈值
gray = cv2.cvtColor(img1, 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
binary =  cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY, 35,3)
cv2.namedWindow("binary1", cv2.WINDOW_NORMAL)
cv2.imshow("binary1", binary)
cv2.waitKey(0)

运行效果：

python 预处理 python预处理医学图像代码_读取图像_02

3.2.1读取原图

（3）对图像进行反色；

代码实例：

#反色
img2 = binary.copy()
cv2.threshold(binary,80,255,0,binary)
for i in range(0,binary.shape[0]):
    for j in range(0,binary.shape[1]):
        img2[i,j] = 255-binary[i,j]
cv2.imshow("img2", img2)
cv2.waitKey(0)

运行效果：

python 预处理 python预处理医学图像代码_python 预处理_03

图3.3.1反色图

（4）对图像进行扩展；

代码实例：

#图像扩展
img3 = cv2.copyMakeBorder(img2,1,1,1,1,cv2.BORDER_REPLICATE)
cv2.imshow("img3 ", img3 )
cv2.waitKey(0)

运行效果：

python 预处理 python预处理医学图像代码_代码实例_04

图3.4.1扩展图

（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）；

代码实例：

#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
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    if area < 150:
        cv2.drawContours(img3,[contours[i]],0,0,-1)
cv2.imshow("img3 ",img3 )
cv2.waitKey(0)

python 预处理 python预处理医学图像代码_代码实例_05

图3.5.1消除小面积图

（6）输出最大连通图；

代码实例：

#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
img4=img3.copy()
contours1,hierarchy = cv2.findContours(img4, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
for j in range(len(contours1)):
    area1 = cv2.contourArea(contours1[j])
    print(area1)
    if area1 ==157.0:
    	cv2.drawContours(img4,[contours1[j]],0,0,-1)
    elif area1==261.5:
    	cv2.drawContours(img4,[contours1[j]],0,0,-1)
    elif area1==568.0:
    	cv2.drawContours(img4,[contours1[j]],0,0,-1)
cv2.imshow('img4',img4)
cv2.waitKey(0)

运行效果：

python 预处理 python预处理医学图像代码_python opencv_06

图3.6.1最大连通图

（7）对最大连通图进行细化；

代码实例：

#对图像进行反色
img5 = img4.copy()
ret,img5 = cv2.threshold(img4,80,255,cv2.THRESH_BINARY)
img6 = cv2.bitwise_not(img4)
	def VThin(image, array):    h,w= image.shape[:2]
    NEXT = 1
    for i in range(h):
        for j in range(w):
            if NEXT == 0:
                NEXT = 1
            else:
                M = image[i, j-1] + image[i,j] + image[i, j+1] if 0<j<w-1 else 1
                if image[i, j] == 0 and M != 0:
                    a = [0] * 9
                    for k in range(3):
                        for l in range(3):
                            if-1<(i-1+k)<h and -1<(j-1+l)<w and image[i-1+k, j-1+l] == 255:
                                a[k*3 + l] = 1
                    sum = a[0]*1 + a[1]*2 + a[2]*4 + a[3]*8 + a[5]*16 + a[6]*32 + a[7]*64 + a[8]*128
                    image[i,j] = array[sum]*255
                    if array[sum] == 1:
                        NEXT = 0
    return image
def HThin(image, array):
    h, w = image.shape[:2]
    NEXT = 1
    for j in range(w):
        for i in range(h):
            if NEXT == 0:
                NEXT = 1
            else:
                M = image[i-1, j] + image[i, j] + image[i+1, j] if 0<i<h-1 else 1
                if image[i, j] == 0 and M != 0:
                    a = [0] * 9
                    for k in range(3):
                        for l in range(3):
                            if -1<(i-1+k)<h and -1<(j-1+l)<w and image[i-1+k, j-1+l] == 255:
                                a[k*3 + l] = 1
                    sum = a[0]*1 + a[1]*2 + a[2]*4 + a[3]*8 + a[5]*16 + a[6]*32 + a[7]*64 + a[8]*128
                    image[i, j] = array[sum] * 255
                    if array[sum] == 1:
                        NEXT = 0
    return image
def Xihua(binary, array, num=10):
    iXihua = binary.copy()
    for i in range(num):
        VThin(iXihua, array)
        HThin(iXihua, array)
    return iXihua
array = [0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\
         1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1,\
         0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\
         1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1,\
         1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\
         0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\
         1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 1,\
         0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\
         0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\
         1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1,\
         0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1,\
         1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0,\
         1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,\
         1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0,\
         1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 0,\
         1, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0]
 
iThin = Xihua(img6, array)
cv2.imshow('iThin', iThin)
cv2.waitKey(0)

运行效果：

python 预处理 python预处理医学图像代码_连通图_07

图3.7.1细化图

（8）提取最大连通图的轮廓；

代码实例：

#对图像进行边界提取
# 查找轮廓
#提取边缘
img7 = cv2.Canny(img4,80,255)
cv2.imshow('img7', img7)
cv2.waitKey(0)

运行效果：

python 预处理 python预处理医学图像代码_代码实例_08

图3.8.1轮廓提取

（9）对轮廓图像进行反色输出最终效果图。

代码实例：

#反色
img8 = img7.copy()
for i in range(0,img7.shape[0]):
    for j in range(0,img7.shape[1]):
        img8[i,j] = 255-img7[i,j]       
cv2.imshow("img8",img8)
cv2.waitKey(0)

运行效果：

python 预处理 python预处理医学图像代码_python 预处理_09