Python之opencv医学处理的解决办法

内容摘要
这篇文章主要为大家详细介绍了Python之opencv医学处理的简单示例，具有一定的参考价值，可以用来参考一下。

感兴趣的小伙伴，下面一起跟随php教程的雯雯来看看吧！
题目描述
利用o
文章正文

这篇文章主要为大家详细介绍了Python之opencv医学处理的简单示例，具有一定的参考价值，可以用来参考一下。

感兴趣的小伙伴，下面一起跟随php教程的雯雯来看看吧！

题目描述

利用opencv或其他工具编写程序实现医学处理。

实现过程

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
<code>
# -*- coding: utf-8 -*-
'''
作者 : 丁毅
开发时间 : 2021/5/9 16:30
'''
import cv2
import numpy as np
 
 
# 图像细化
def VThin(image, array):
    rows, cols = image.shape
    NEXT = 1
    for i in range(rows):
        for j in range(cols):
            if NEXT == 0:
                NEXT = 1
            else:
                M = int(image[i, j - 1]) + int(image[i, j]) + int(image[i, j + 1]) if 0 < j < cols - 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) < rows and -1 < (j - 1 + l) < cols 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):
    rows, cols = image.shape
    NEXT = 1
    for j in range(cols):
        for i in range(rows):
            if NEXT == 0:
                NEXT = 1
            else:
                M = int(image[i-1, j]) + int(image[i, j]) + int(image[i+1, j]) if 0 < i < rows-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) < rows and -1 < (j-1+l) < cols 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
 
 
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]
 
 
# 显示灰度图
img = cv2.imread(r"C:\Users\pc\Desktop\vas0.png",0)
cv2.imshow("img1",img)
 
# 自适应阈值分割
img2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 17, 4)
cv2.imshow('img2', img2)
 
 
# 图像反色
img3 = cv2.bitwise_not(img2)
cv2.imshow("img3", img3)
 
# 图像扩展
img4 = cv2.copyMakeBorder(img3, 1, 1, 1, 1, cv2.BORDER_REFLECT)
cv2.imshow("img4", img4)
 
contours, hierarchy = cv2.findContours(img4, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# 消除小面积
img5 = img4
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    if (area < 80) | (area > 10000):
        cv2.drawContours(img5, [contours[i]], 0, 0, -1)
cv2.imshow("img5", img5)
 
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(img5, connectivity=8, ltype=None)
# print(stats)
s = sum(stats)
img6 = np.ones(img5.shape, np.uint8) * 0
for (i, label) in enumerate(np.unique(labels)):
    # 如果是背景，忽略
    if label == 0:
        # print("[INFO] label: 0 (background)")
        continue
    numPixels = stats[i][-1]
    div = (stats[i][4]) / s[4]
    # print(div)
    # 判断区域是否满足面积要求
    if round(div, 3) > 0.002:
        color = 255
        img6[labels == label] = color
cv2.imshow("img6", img6)
 
# 图像反色
img7 = cv2.bitwise_not(img6)
 
# 图像细化
for i in range(10):
    VThin(img7, array)
    HThin(img7, array)
cv2.imshow("img7",img7)
 
# 边缘检测
img8 = cv2.Canny(img6, 80, 255)
cv2.imshow("img8", img8)
 
# 使灰度图黑白颠倒
img9 = cv2.bitwise_not(img8)
cv2.imshow("img9", img9)
 
cv2.waitKey(0)</code>

Python opencv医学处理的实现过程

运行结果

问题及解决方法1.自适应阈值处理运行报错参考链接解决方式：

void adaptiveThreshold(InputArray src, OutputArray dst, doublemaxValue, int adaptiveMethod, int thresholdType, int bolckSize, double C)

  • src：InputArray类型的src，输入图像，填单通道，单8位浮点类型Mat即可。
  • dst：函数运算后的结果存放在这。即为输出图像（与输入图像同样的尺寸和类型）。
  • maxValue：预设满足条件的最大值。
  • adaptiveMethod自适应阈值算法。
  • ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C两种。
  • thresholdType：指定阈值类型。可选择THRESH_BINARY或者THRESH_BINARY_INV两种（即二进制阈值或反二进制阈值）。
  • bolckSize：表示邻域块大小，用来计算区域阈值，一般选择为3、5、7......等。
  • C：参数C表示与算法有关的参数，它是一个从均值或加权均值提取的常数，可以是负数。
  • 根据报错提示及参数解释，blockSize的取值需要大于1且为奇数。

2.图像扩展

参考链接方式：使用cv2.copyMakeBorder()函数。主要参数：

  • src ： 输入的图片。
  • top, bottom, left, right ：相应方向上的边框宽度。
  • borderType：定义要添加边框的类型，详情参考链接。

3.面积选择参考链接方式：选择满足面积80-10000的图像输出, 去除噪声位置元素。

4.图像细化参考链接方式：经过一层层的剥离，从原来的图中去掉一些点，但仍要保持原来的形状，直到得到图像的骨架。骨架，可以理解为图像的中轴。

到此这篇关于Python opencv医学处理的实现过程的文章就介绍到这了,更多相关Python opencv医学处理内容请搜索php教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持php教程！

注：关于Python之opencv医学处理的简单示例的内容就先介绍到这里，更多相关文章的可以留意

代码注释
上一篇ThinkPHP中pathinfo的访问模式、路径访问模式及URL重写的解决办法下一篇python之在list中找Topk的数值和索引的解决办法

作者：喵哥笔记

IDC笔记

学的不仅是技术，更是梦想！