食管内镜图像预处理-生成掩膜图像mask

随风西阳

食管内镜图像预处理-生成掩膜图像

消化内镜图像分析需要首先获取 ROI 感兴趣区，这样在后续的处理中能有效避免 ROI 区域外的像素的影响，降低运算的复杂度。

---

前言

选取食管内镜图像最能反映光照情况的红色通道灰度图进行处理，包括两步：
1、阈值二值化处理和形态学运算。
2、最大区域的空洞填充，小连通区域去除。
通过利用食管内镜图像的红色通道做了mask 掩膜图，得到满意的结果。

---

处理代码如下：

1. # 提取食管内镜图像的掩膜
2. import cv2
3. import numpy as np
6. # 红色通道二值化
7. def get_mask(img_red, T):
8.     # 以像素值20为阈值二值化图像
9.     ret, img_threshold = cv2.threshold(img_red, T, 255, cv2.THRESH_BINARY)
10.     # 创建半径为3的圆形结构元素做kernel
11.     kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9))
12.     # 对ROI区进行开运算，去除图像中的文字区域
13.     img_erode = cv2.erode(img_threshold, kernel, iterations=1)
14.     img = cv2.dilate(img_erode, kernel, iterations=1)
15.     return img
18. path = r'D:\research\data\WLI\568.jpg'
19. img_ori = cv2.imread(path)
20. # 分离通道
21. b, g, r = cv2.split(img_ori)
22. # 获得红色通道的掩膜图
23. img_red_mask = get_mask(r, 20)
24. # 找出二值化图的边界
25. _, contours, hierarchy = cv2.findContours(img_red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
26. # 找到最大区域并填充
27. area = []
28. for i in range(len(contours)):
29.     area.append(cv2.contourArea(contours[i]))
30.     if area[i] < 1e5:
31.         # 去除小区域
32.         cv2.drawContours(img_red_mask, [contours[i]], 0, 0, -1)
33. max_idx = np.argmax(area)
34. cv2.fillConvexPoly(img_red_mask, contours[max_idx], 255)
35. # 显示掩膜图像
36. cv2.imshow('redm', img_red_mask)
37. cv2.waitKey(0)
38. cv2.destroyAllWindows()
39. # 保存掩膜图
40. cv2.imwrite('./mask/1_mask.png', img_red_mask)

复制代码

2.读入数据

结果1：
原始图像：

处理后：

结果2：
原始图像：

处理后：

---

总结

显示结果2，主要是因为图像下缘有非目标区域的条状，所以程序中的以下语句就是为了解决此类图像。

1. if area[i] < 1e5:
2.     # 去除小区域
3.     cv2.drawContours(img_red_mask, [contours[i]], 0, 0, -1)

复制代码

来源：https://blog.csdn.net/ZhuiMengLQG/article/details/109486352
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！