python+opencv阈值分割

import matplotlib.pyplot as plt
import numpy as np
import os
import pydicom
import cv2

info = {}
# 读取dicom文件，乳腺癌MRI图片
dcm = pydicom.read_file("D:/1/dicom/datuidwi.dcm")
# 通过字典关键字来获取图像的数据元信息（当然也可以根据TAG号）
# 这里获取几种常用信息
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             # 患者年龄
info['PatientSex'] = dcm.PatientSex             # 患者性别
info['StudyID'] = dcm.StudyID                   # 检查ID
info['StudyDate'] = dcm.StudyDate               # 检查日期
info['StudyTime'] = dcm.StudyTime               # 检查时间
info['InstitutionName'] = dcm.InstitutionName   # 机构名称
info['Manufacturer'] = dcm.Manufacturer         # 设备制造商
info['StudyDescription']=dcm.StudyDescription   # 检查项目描述
print(info)

filename = "D:/1/dicom/datuidwi.dcm"
jpgname = "D:/1/dicom/test4.jpg"
# 读取dicom文件
dcm = pydicom.read_file(filename)
# 获取图像唯一标识符UID
uid = dcm.SOPInstanceUID
# 获取像素矩阵
img_arr = dcm.pixel_array
# 打印矩阵大小
#print(img_arr.shape)
# 获取像素点个数
lens = img_arr.shape[0]*img_arr.shape[1]
# 获取像素点的最大值和最小值
arr_temp = np.reshape(img_arr,(lens,))
max_val = max(arr_temp)
min_val = min(arr_temp)
# 图像归一化
img_arr = (img_arr-min_val)/(max_val-min_val) 
# 绘制图像并保存
#保存图片时去掉周围白边
plt.axis('off')
fig = plt.gcf()
fig.set_size_inches(7.0/3,7.0/3) #dpi = 300, output = 700*700 pixels
plt.gca().xaxis.set_major_locator(plt.NullLocator())
plt.gca().yaxis.set_major_locator(plt.NullLocator())
plt.subplots_adjust(top = 1, bottom = 0, right = 1, left = 0, hspace = 0, wspace = 0)
plt.margins(0,0)
plt.imshow(img_arr,cmap=plt.cm.bone)
fig.savefig(jpgname, format='jpg', transparent=True, dpi=300, pad_inches = 0)

#获取图像灰度直方图查看灰度分布
img=cv2.imread('D:/1/dicom/test4.jpg')
plt.hist(img.ravel(),256,[0,256])#ravel函数功能是将多维数组降为一维数组
plt.show()

img = cv2.imread('D:/1/dicom/test4.jpg', 0)
jpgname = 'D:/1/dicom/test58.jpg'
# 固定阈值
ret, th1 = cv2.threshold(img, 165, 255, cv2.THRESH_BINARY)
images = [img, th1]
#保存粗分割结果
plt.axis('off')
fig = plt.gcf()
fig.set_size_inches(7.0/3,7.0/3) #dpi = 300, output = 700*700 pixels
plt.gca().xaxis.set_major_locator(plt.NullLocator())
plt.gca().yaxis.set_major_locator(plt.NullLocator())
plt.subplots_adjust(top = 1, bottom = 0, right = 1, left = 0, hspace = 0, wspace = 0)
plt.margins(0,0)
plt.imshow(images[1], 'gray')
fig.savefig(jpgname, format='jpg', transparent=True, dpi=300, pad_inches = 0)
#对粗分割结果中非病灶区域填充
#截取图片中的指定区域或在指定区域添加某一图片
def jie_image(src1):
    src2 = src1[5:125, 280:600]#截取第5行到125行的第280列到600列的区域
    #cv.imshow("截取", src2)
    src1[360:480, 280:600] = src2#指定位置填充，大小要一样才能填充
    cv2.imshow("合成", src1)
src = cv2.imread("D:/1/dicom/test58.jpg", 0)
#cv.imshow("原来", src)
jie_image(src)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('D:/1/dicom/test68.jpg', src)

#填充后得到第二次的粗分割结果，病灶区域存在孔洞，使用孔洞填充方法进行填充
'''
图像说明：
图像为二值化图像，255白色为目标物，0黑色为背景
要填充白色目标物中的黑色空洞
'''
imgPath = 'D:/1/dicom/test68.jpg'
SavePath = 'D:/1/dicom/test78.jpg'
def FillHole(imgPath,SavePath):
    im_in = cv2.imread(imgPath, cv2.IMREAD_GRAYSCALE);
    # 复制 im_in 图像
    im_floodfill = im_in.copy()
    # Mask 用于 floodFill，官方要求长宽+2
    h, w = im_in.shape[:2]
    mask = np.zeros((h+2, w+2), np.uint8)
    # floodFill函数中的seedPoint必须是背景
    isbreak = False
    for i in range(im_floodfill.shape[0]):
        for j in range(im_floodfill.shape[1]):
            if(im_floodfill[i][j]==0):
                seedPoint=(i,j)
                isbreak = True
                break
        if(isbreak):
            break
    # 得到im_floodfill
    cv2.floodFill(im_floodfill, mask, seedPoint, 255);
    # 得到im_floodfill的逆im_floodfill_inv
    im_floodfill_inv = cv2.bitwise_not(im_floodfill)
    # 把im_in、im_floodfill_inv这两幅图像结合起来得到前景
    im_out = im_in | im_floodfill_inv
    # 保存结果
    cv2.imwrite(SavePath, im_out)
FillHole(imgPath,SavePath
#以上这种填充结果会把轮廓外围也填充，分割不准确，因此使用了MATLAB中的imfill函数对分割后病灶区域的结果进行孔洞填充，得到的分割结果如下图所示
clear all; clc; close all;
img = imread('D:matlabin	est68.jpg');
if ndims(img)==3
    img = rgb2gray(img);
end
img_bw = im2bw(img);
img_fill = imfill(img_bw, 'holes');
imwrite(img_fill,'D:matlabin	emp34.jpg');
%figure;
%subplot(1,2,1),imshow(img_bw), title('有空洞的图像');
%subplot(1,2,2),imshow(img_fill), title('孔洞被填充的图像');

由于一些原因，不能放原图，分割结果如下所示

粗分割结果                                                      

第一次填充后结果

孔洞填充得到最终分割结果

 参考文章：

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：舟华520

出处：https://www.cnblogs.com/xfzh193/

本文以学习，分享，研究交流为主，欢迎转载，请标明作者出处！