基于cv2的医学图像分割

Question

我正在使用MIAS数据集的乳腺癌乳房X线照片。数据可在这里获得：http://peipa.essex.ac.uk/pix/mias/

例如，图像如下所示：

import cv2
import numpy as np

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

import matplotlib.pyplot as plt

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

​

​

我想移除图像中的所有工件和不必要的部分。

为此，我首先对图像进行二值化。

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

​

​

使用开口

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

​

​

然后侵蚀

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

​

​

然后将此掩码与原始图像合并。

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

​

​

我现在正试图移除左上角的胸肌。在本出版物中：https://www.ncbi.nlm.nih.gov/pubmed/26742491使用完全相同的数据集，并在“种子区域生长”中这样做。但是，没有提供代码，我在opencv中找不到这一点。

我可以实现类似的结果，通过做扩张/侵蚀等，但我正在寻找一个更通用的解决方案。此外，这些图像中有些没有显示肌肉，这也应该被检测到。

Answer 1

我将使用以下方法：

1. (可选)我将用重建的<=>侵蚀，然后是测地线膨胀来代替开孔和侵蚀。它将保持原来的形状，然后你将保持一个更大的投资回报率。
2. 卷积滤波器(高斯或简单平均)以平滑图像
3. 白色大礼帽，以探测亮区。
4. 然后，将顶帽结果减去原始图像。