python+opencv閾值分割

import matplotlib.pyplot as plt  2 import numpy as np  3 import os  4 import pydicom  5 import cv2  6 
info = {}  8 # 讀取dicom文件，乳腺癌MRI圖片
dcm = pydicom.read_file("D:/1/dicom/datuidwi.dcm")  10 # 通過字典關鍵字來獲取圖像的數據元信息（當然也可以根據TAG號）
# 這里獲取幾種常用信息
info["PatientID"] = dcm.PatientID               # 患者ID
info["PatientName"] = dcm.PatientName           # 患者姓名
#info["PatientBirthData"] = dcm.PatientBirthData # 患者出生日期
info["PatientAge"] = dcm.PatientAge             # 患者年齡
info['PatientSex'] = dcm.PatientSex             # 患者性別
info['StudyID'] = dcm.StudyID                   # 檢查ID
info['StudyDate'] = dcm.StudyDate               # 檢查日期
info['StudyTime'] = dcm.StudyTime               # 檢查時間
info['InstitutionName'] = dcm.InstitutionName   # 機構名稱
info['Manufacturer'] = dcm.Manufacturer         # 設備制造商
info['StudyDescription']=dcm.StudyDescription   # 檢查項目描述
print(info)  24 
filename = "D:/1/dicom/datuidwi.dcm"
jpgname = "D:/1/dicom/test4.jpg"
# 讀取dicom文件
dcm = pydicom.read_file(filename)  29 # 獲取圖像唯一標識符UID
uid = dcm.SOPInstanceUID  31 # 獲取像素矩陣
img_arr = dcm.pixel_array  33 # 打印矩陣大小
#print(img_arr.shape)
# 獲取像素點個數
lens = img_arr.shape[0]*img_arr.shape[1] # 獲取像素點的最大值和最小值
arr_temp = np.reshape(img_arr,(lens,))  39 max_val = max(arr_temp)  40 min_val = min(arr_temp)  41 # 圖像歸一化
img_arr = (img_arr-min_val)/(max_val-min_val)  43 # 繪制圖像並保存
#保存圖片時去掉周圍白邊
plt.axis('off')  46 fig = plt.gcf()  47 fig.set_size_inches(7.0/3,7.0/3) #dpi = 300, output = 700*700 pixels
plt.gca().xaxis.set_major_locator(plt.NullLocator())  49 plt.gca().yaxis.set_major_locator(plt.NullLocator())  50 plt.subplots_adjust(top = 1, bottom = 0, right = 1, left = 0, hspace = 0, wspace = 0)  51 plt.margins(0,0)  52 plt.imshow(img_arr,cmap=plt.cm.bone)  53 fig.savefig(jpgname, format='jpg', transparent=True, dpi=300, pad_inches = 0)  54 
#獲取圖像灰度直方圖查看灰度分布
img=cv2.imread('D:/1/dicom/test4.jpg')  57 plt.hist(img.ravel(),256,[0,256])#ravel函數功能是將多維數組降為一維數組
plt.show()  59 
img = cv2.imread('D:/1/dicom/test4.jpg', 0)  61 jpgname = 'D:/1/dicom/test58.jpg'
# 固定閾值
ret, th1 = cv2.threshold(img, 165, 255, cv2.THRESH_BINARY)  64 images = [img, th1]  65 #保存粗分割結果
plt.axis('off')  67 fig = plt.gcf()  68 fig.set_size_inches(7.0/3,7.0/3) #dpi = 300, output = 700*700 pixels
plt.gca().xaxis.set_major_locator(plt.NullLocator())  70 plt.gca().yaxis.set_major_locator(plt.NullLocator())  71 plt.subplots_adjust(top = 1, bottom = 0, right = 1, left = 0, hspace = 0, wspace = 0)  72 plt.margins(0,0)  73 plt.imshow(images[1], 'gray')  74 fig.savefig(jpgname, format='jpg', transparent=True, dpi=300, pad_inches = 0)  75 #對粗分割結果中非病灶區域填充
#截取圖片中的指定區域或在指定區域添加某一圖片
def jie_image(src1):  78     src2 = src1[5:125, 280:600]#截取第5行到125行的第280列到600列的區域
    #cv.imshow("截取", src2)
    src1[360:480, 280:600] = src2#指定位置填充，大小要一樣才能填充
    cv2.imshow("合成", src1)  82 src = cv2.imread("D:/1/dicom/test58.jpg", 0)  83 #cv.imshow("原來", src)
jie_image(src)  85 cv2.waitKey(0)  86 cv2.destroyAllWindows()  87 cv2.imwrite('D:/1/dicom/test68.jpg', src)  88 
#填充后得到第二次的粗分割結果，病灶區域存在孔洞，使用孔洞填充方法進行填充
'''
圖像說明：  92 圖像為二值化圖像，255白色為目標物，0黑色為背景  93 要填充白色目標物中的黑色空洞  94 '''
imgPath = 'D:/1/dicom/test68.jpg'
SavePath = 'D:/1/dicom/test78.jpg'
def FillHole(imgPath,SavePath):  98     im_in = cv2.imread(imgPath, cv2.IMREAD_GRAYSCALE);  99     # 復制 im_in 圖像
    im_floodfill = im_in.copy() 101     # Mask 用於 floodFill，官方要求長寬+2
    h, w = im_in.shape[:2] 103     mask = np.zeros((h+2, w+2), np.uint8) 104     # floodFill函數中的seedPoint必須是背景
    isbreak = False 106     for i in range(im_floodfill.shape[0]): 107         for j in range(im_floodfill.shape[1]): 108             if(im_floodfill[i][j]==0): 109                 seedPoint=(i,j) 110                 isbreak = True 111                 break
        if(isbreak): 113             break
    # 得到im_floodfill
    cv2.floodFill(im_floodfill, mask, seedPoint, 255); 116     # 得到im_floodfill的逆im_floodfill_inv
    im_floodfill_inv = cv2.bitwise_not(im_floodfill) 118     # 把im_in、im_floodfill_inv這兩幅圖像結合起來得到前景
    im_out = im_in | im_floodfill_inv 120     # 保存結果
 cv2.imwrite(SavePath, im_out) 122 FillHole(imgPath,SavePath
#以上這種填充結果會把輪廓外圍也填充，分割不准確，因此使用了MATLAB中的imfill函數對分割后病灶區域的結果進行孔洞填充，得到的分割結果如下圖所示
clear all; clc; close all;
img = imread('D:\matlab\bin\test68.jpg');
if ndims(img)==3
    img = rgb2gray(img);
end
img_bw = im2bw(img);
img_fill = imfill(img_bw, 'holes');
imwrite(img_fill,'D:\matlab\bin\temp34.jpg');
%figure;
%subplot(1,2,1),imshow(img_bw), title('有空洞的圖像');
%subplot(1,2,2),imshow(img_fill), title('孔洞被填充的圖像');

由於一些原因，不能放原圖，分割結果如下所示

粗分割結果                                                      

第一次填充后結果

孔洞填充得到最終分割結果

 參考文章：

1.https://www.zhihu.com/tardis/sogou/art/154181400

2.https://zhuanlan.zhihu.com/p/63919290

3.https://www.cnblogs.com/FHC1994/p/9033580.html

4.https://www.jianshu.com/p/293e04f134c3

作者：舟華520

出處：https://www.cnblogs.com/xfzh193/

本文以學習，分享，研究交流為主，歡迎轉載，請標明作者出處！