C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路

在拍摄脊柱或胸片时，经常会遇到因设备高度不够需要分段拍摄的情况，

对于影像科诊断查阅影像时希望将分段影像合并成一张影像，有助于更直观的观察病灶，

以下图为例的两个分段影像：

     

我们使用OpenCVSharp中的Stitcher类的Stitch方法，导入两张图像并拼接：

 但结果却失败了，返回错误结果：ERR_NEED_MORE_IMGS，是由于医学影像的特征点匹配不够，导致无法确定对接点。

一幅图中总存在着一些独特的像素点，这些点我们可以认为就是这幅图的特征，即为特征点

获取一幅图中存在的一些独特的像素点，需要解决两个问题：

• 解决尺度不变性问题，不同大小的图片获取到的特征是一样的
• 提取到的特征点要稳定，能被精确定位 

 

可参考本系列文章：C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路

根据算法原理得到如下结果：

Sobel算子：

根据算法原理得到如下结果：

其中直观区别是canny算子计算的结果清晰，但不连续，容易受噪点影响，而sobel算子线条相对柔和，连续性强。

⑤背景降噪

进行一次手动背景降噪，使得展现的无用边缘更少，结果更清晰：

经过上述的一系列处理步骤后我们再次合并拼接：

　　　　　　　　　　　　Mat srcImg1 = imgList1[0];
                    Mat srcImg2 = imgList1[1];
                  

                    Mat[] images = new Mat[] { srcImg1, srcImg2};

                    Stitcher stitcher = Stitcher.Create(Stitcher.Mode.Panorama);
                    Mat pano = new Mat();
                    var status = stitcher.Stitch(images, pano);
                    if (status != Stitcher.Status.OK)
                    {
                        ShowMsg.Box("拼接异常(" + status.ToString() + "),请重试。", BoxType.Msg, 120, this);
                        return;
                    }

得到了正确的结果：