медицинская сегментация изображения с cv2

Question

Я использую набор данных MIAS для маммографии рака молочной железы. Данные доступны здесь: http://peipa.essex.ac.uk/pix/mias/

, например, изображение выглядит следующим образом:

import cv2 
import numpy as np 

img = cv2.imread("mdb168.pgm",0) 

import matplotlib.pyplot as plt 

plt.imshow(img, cmap="gray") 

Я хочу, чтобы удалить все артефакты и ненужные части изображения.

Чтобы сделать это, я первый бинаризации изображения

ret,thresh1 = cv2.threshold(img,0,255,cv2.THRESH_BINARY) 
plt.imshow(thresh1, cmap="gray") 

использование открытие

kernel = np.ones((20,20),np.uint8) 
opening = cv2.morphologyEx(thresh1, cv2.MORPH_OPEN, kernel) 
plt.imshow(opening, cmap="gray") 

затем эрозии

kernel = np.ones((120,120),np.uint8) 
erosion = cv2.erode(opening,kernel,iterations = 1) 
plt.imshow(erosion, cmap="gray") 

затем слейте эту маску с оригинальным изображением

merged = cv2.bitwise_and(img, img , mask=erosion) 
plt.imshow(merged, cmap="gray") 

Я сейчас пытаюсь удалить грудные мышцы в верхней левой части экрана. В этой публикации: https://www.ncbi.nlm.nih.gov/pubmed/26742491 они используют один и тот же набор данных и делают это с помощью «посевной области». Однако кода нет, и я не смог найти его в opencv.

Я мог бы добиться аналогичного результата, повторив развод/эрозию и т. Д., Но я ищу более обобщаемое решение. Кроме того, некоторые из этих изображений не показывают мышцы, и это также должно быть обнаружено.

Answer 1

Я хотел бы использовать следующий подход:

1. (по желанию) я заменил бы открытие и эрозию с отверстием по реконструкциями < => эрозии с последующим геодезической дилатацией. Он сохранит исходную форму, а затем вы сохраните большую рентабельность.
2. Фильтр свертки (гауссовский или простой средний), чтобы сгладить изображение
3. Большая белая верхняя часть шляпы, чтобы обнаружить яркую зону.
4. Затем вы вычитаете результат верхней шляпы на исходное изображение.