java - 分割后如何从图像中去除小物体

Question

描述

我有一张肺癌 CT 扫描图像，我想从中分割并提取癌变区域。我使用过 Open CV 和 Java。

我有以下图像作为输入:

使用阈值和分水岭方法进行分割后，得到以下结果:

之后，我想从分割图像中提取癌变区域，因此我必须去除感兴趣区域(癌结节)之外的所有噪声和其他对象。如下图所示，我想像这样提取癌结节:

如何使用 OpenCV 在 Android 中实现此目的？

Answer 1

我尝试实现我建议的解决方案。我的答案是用C++，但想法很简单，你应该能够用Java实现它。正如我所评论的，这个想法是使用形态学来获得感兴趣的 Blob 。主要是侵 eclipse 操作。让我们看看:

   //Read input image:
   std::string imagePath = "C://opencvImages//lungsImage.png";
   cv::Mat imageInput= cv::imread( imagePath );

   //Convert it to grayscale:
   cv::Mat grayImg;
   cv::cvtColor( imageInput, grayImg, cv::COLOR_BGR2GRAY );

第一步是获取二值图像。看来您实现了分水岭分段。没关系。我尝试应用一个带有大窗口的简单自适应阈值(在本例中，大小为 601)。它给了我很好的结果:

    //Get the binary image:
    cv::adaptiveThreshold( grayImg, grayImg, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY, 601, 10 );

这是您得到的结果:

现在，有多个 Blob 。但是，我将寻找最大的 Blob ，因为那是我们感兴趣的目标区域所在的位置。搜索二值图像中最大的 Blob 是我经常执行的任务，因此我为此准备了一个函数。它称为findBiggestBlob。稍后我会介绍这个功能。查看过滤掉较小 Blob 后得到的结果:

    //Get the biggest blob in the binary image
    cv::Mat targetBlobs = findBiggestBlob( grayImg );

这是结果:

现在，只需应用形态学即可。首先，侵 eclipse 操作。使用大小为 5 x 5 的椭圆结构元素和 4 迭代来分离感兴趣的 blob:

    //Apply erosion to the biggest blob mask;
    cv::Mat morphKernel = cv::getStructuringElement( cv::MORPH_ELLIPSE, cv::Size(5, 5) );
    int morphIterations = 4; // use 4 iterations
    cv::morphologyEx( targetBlobs, targetBlobs, cv::MORPH_ERODE, morphKernel, cv::Point(-1,-1), morphIterations );

查看结果，感兴趣的 Blob 现已分离:

现在，这个想法很简单。如果我们再次提取图像中最大的 Blob ，我们最终应该得到没有癌变区域的肺部。然后，将此图像减去“分离”蒙版，我们最终应该在一个蒙版中得到感兴趣的 Blob :

    //Get the lungs image:
    cv::Mat bigBlob = findBiggestBlob( targetBlobs );

你得到这个:

    //Subtract the lungs from the first binary mask:
    cv::Mat blobOfInterest = targetBlobs - bigBlob;

现在，让我们应用dilate 操作恢复 blob 的原始大小，使用相同的结构元素和相同的迭代次数。这是结果:

    //Restore the blob's original size:
    cv::morphologyEx( blobOfInterest, blobOfInterest, cv::MORPH_DILATE, morphKernel, cv::Point(-1,-1), morphIterations );

这是覆盖在原始图像上的 Blob (红色):

这是findBiggestBlob函数的代码。这个想法只是计算二进制输入中的所有轮廓，计算它们的面积并存储具有最大面积的轮廓:

//Function to get the largest blob in a binary image:
cv::Mat findBiggestBlob( cv::Mat &inputImage ){

    cv::Mat biggestBlob = inputImage.clone();

    int largest_area = 0;
    int largest_contour_index=0;

    std::vector< std::vector<cv::Point> > contours; // Vector for storing contour
    std::vector<cv::Vec4i> hierarchy;

    // Find the contours in the image
    cv::findContours( biggestBlob, contours, hierarchy,CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE ); 

    for( int i = 0; i< (int)contours.size(); i++ ) {            

        //Find the area of the contour            
        double a = cv::contourArea( contours[i],false);
        //Store the index of largest contour:
        if( a > largest_area ){
            largest_area = a;                
            largest_contour_index = i;
        }

    }

    //Once you get the biggest blob, paint it black:
    cv::Mat tempMat = biggestBlob.clone();
    cv::drawContours( tempMat, contours, largest_contour_index, cv::Scalar(0),
                  CV_FILLED, 8, hierarchy );

    //Erase the smaller blobs:
    biggestBlob = biggestBlob - tempMat;
    tempMat.release();
    return biggestBlob;
}