Python：计算 X 射线中两个骨骼之间的角度

Question

我正在尝试编写一个脚本来计算给定 X 射线的两根骨头之间的角度。

X 射线样本如下所示：

我正在尝试计算每个骨骼的中线，本质上是一条沿着骨骼两侧中点的线，然后比较两条中线之间的角度。

我曾尝试使用 OpenCV 来获取骨骼的轮廓，但它似乎不够准确并且会获取大量额外数据。我被困在下一步如何移动以及如何计算中线。我对图像处理很陌生，但有使用 Python 的经验。

使用 OpenCV 结果获取边缘：

OpenCV 代码：

import cv2

# Load the image
img = cv2.imread("xray-3.jpg")

# Find the contours
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(img,60,200)
im2, contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

hierarchy = hierarchy[0] # get the actual inner list of hierarchy descriptions

# For each contour, find the bounding rectangle and draw it
cv2.drawContours(img, contours, -1, (0,255,0), 3)

# Finally show the image
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Answer 1

如果不是作弊，我建议将图像裁剪为不包含尽可能多的标签和比例，同时不删除任​​何感兴趣的区域。

话虽如此，如果您对图像进行一些预处理，我认为您获取轮廓的方法将是可用的。一种可以解决问题的算法是Difference of Gaussians (DoG) 过滤器，它会带出更多的边缘。我稍微修改了this code，它将使用几个不同的 sigma 和 k 值来计算 DoG 过滤器。

from skimage import io, feature, color, filters, img_as_float
from matplotlib import pyplot as plt

raw_img = io.imread('xray-3.jpg')
original_image = img_as_float(raw_img)
img = color.rgb2gray(original_image)

k = 1.6

plt.subplot(2,3,1)
plt.imshow(original_image)
plt.title('Original Image')

for idx,sigma in enumerate([4.0, 8.0, 16.0, 32.0]):
    s1 = filters.gaussian(img, k*sigma)
    s2 = filters.gaussian(img, sigma)

    # multiply by sigma to get scale invariance
    dog = s1 - s2
    plt.subplot(2,3,idx+2)
    print("min: {} max: {}".format(dog.min(), dog.max())
    plt.imshow(dog, cmap='RdBu')
    plt.title('DoG with sigma=' + str(sigma) + ', k=' + str(k))

ax = plt.subplot(2, 3, 6)
blobs_dog = [(x[0], x[1], x[2]) for x in feature.blob_dog(img, min_sigma=4, max_sigma=32, threshold=0.5, overlap=1.0)]
# skimage has a bug in my version where only maxima were returned by the above
blobs_dog += [(x[0], x[1], x[2]) for x in feature.blob_dog(-img,  min_sigma=4, max_sigma=32, threshold=0.5, overlap=1.0)]

#remove duplicates
blobs_dog = set(blobs_dog)

img_blobs = color.gray2rgb(img)
for blob in blobs_dog:
    y, x, r = blob
    c = plt.Circle((x, y), r, color='red', linewidth=2, fill=False)
    ax.add_patch(c)
plt.imshow(img_blobs)
plt.title('Detected DoG Maxima')

plt.show()

乍一看，sigma=8.0, k=1.6 可能是您最好的选择，因为这似乎最好地夸大了小腿的边缘，同时消除了小腿上的噪音。特别是在受试者的左（右图）腿上。再试一次边缘检测，使用 k 和 sigma 并告诉我你得到了什么 :)

如果结果看起来不错，您应该能够在图像的每一行中为任一腿检测到的边缘之间获得一个中心点。然后只需找到最适合任何一条腿的中点的线，你就可以开始了。您还需要将一条腿与另一条腿隔离开来，因此，如果不是作弊，可能会将图像从中间裁剪成两张图像。