python - 如何分割血管python opencv

我正在尝试使用Python和OpenCV在视网膜图像中分割血管。这是原始图像:



理想情况下，我希望所有血管都这样清晰可见(不同图像):



到目前为止，这是我尝试过的。我选择了图像的绿色通道。

img = cv2.imread('images/HealthyEyeFundus.jpg')
b,g,r = cv2.split(img)

然后我尝试通过遵循this article创建匹配的过滤器，这就是输出图像:



然后，我尝试进行最大熵阈值化:

def max_entropy(data):
    # calculate CDF (cumulative density function)
    cdf = data.astype(np.float).cumsum()

    # find histogram's nonzero area
    valid_idx = np.nonzero(data)[0]
    first_bin = valid_idx[0]
    last_bin = valid_idx[-1]

    # initialize search for maximum
    max_ent, threshold = 0, 0

    for it in range(first_bin, last_bin + 1):
        # Background (dark)
        hist_range = data[:it + 1]
        hist_range = hist_range[hist_range != 0] / cdf[it]  # normalize within selected range & remove all 0 elements
        tot_ent = -np.sum(hist_range * np.log(hist_range))  # background entropy

        # Foreground/Object (bright)
        hist_range = data[it + 1:]
        # normalize within selected range & remove all 0 elements
        hist_range = hist_range[hist_range != 0] / (cdf[last_bin] - cdf[it])
        tot_ent -= np.sum(hist_range * np.log(hist_range))  # accumulate object entropy

        # find max
        if tot_ent > max_ent:
            max_ent, threshold = tot_ent, it

    return threshold


img = skimage.io.imread('image.jpg')
# obtain histogram
hist = np.histogram(img, bins=256, range=(0, 256))[0]
# get threshold
th = max_entropy.max_entropy(hist)
print th

ret,th1 = cv2.threshold(img,th,255,cv2.THRESH_BINARY)

这是我得到的结果，显然没有显示所有血管:



我还尝试获取图像的匹配滤镜版本并获取其sobel值的大小。

img0 = cv2.imread('image.jpg',0)
sobelx = cv2.Sobel(img0,cv2.CV_64F,1,0,ksize=5)  # x
sobely = cv2.Sobel(img0,cv2.CV_64F,0,1,ksize=5)  # y
magnitude = np.sqrt(sobelx**2+sobely**2)

这使船只弹出更多:



然后我尝试对它进行Otsu阈值处理:

img0 = cv2.imread('image.jpg',0)
# # Otsu's thresholding
ret2,th2 = cv2.threshold(img0,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(img0,(9,9),5)
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

one = Image.fromarray(th2).show()
one = Image.fromarray(th3).show()

大津没有给出足够的结果。最终结果中包括噪音:



感谢您提供有关如何成功分割血管的帮助。

最佳答案

几年前，我从事视网膜血管检测的工作，有多种方法可以做到:

如果您不需要一流的结果，但需要快速的操作，则可以使用面向的开口see here和here。

然后，您可以使用数学形态version here的其他版本。

为了获得更好的结果，以下是一些建议:

就我个人而言，我使用了Gabor过滤器的组合，效果还不错。参见the segmentation result here on the first image of drive。

和Gabor can be combined with learning for a good result或here。

几年前，是they claimed to have the best algorithm，但是我从来没有机会对其进行测试。我对性能差距以及他们限制线检测器结果的方式持怀疑态度，这有点模糊。

但是我知道，如今，许多人尝试使用CNN解决问题，但是我还没有听说过重大改进。