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

# -*- 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)

运行结果

img1
img2
img3
img4
img5
img6
img7
img8
img9

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, double
maxValue, 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。

本文版权归qu快排seo www.sEoguRuBlog.com 所有,如有转发请注明来出,竞价开户托管,seo优化请联系QQ√61910465