获取图像内的特征并去除边界

Question

我想检测图像中的特征（视网膜扫描）。该图像由黑色背景矩形框内的视网膜扫描组成。

我正在使用 Python 3.6，并且我正在使用 Canny Edge Detection 来检测图像中的特征。我了解精明边缘检测的算法使用边缘梯度来查找边缘。虽然 Canny 边缘检测为我提供了视网膜扫描内的特征，以便正确选择阈值，但它始终保持视网膜扫描和输出图像中的黑色背景之间的圆形边缘。

在输出图像中，我只想拥有图像内部的特征（视网膜扫描），而不是外缘。我该怎么做？ 我正在寻找使用 Python 的解决方案。如果它们有助于完成所需的任务，我也愿意使用除 Canny 边缘检测以外的技术。

下面是实际图像，以及我从 Canny Edge Detection 获得的输出图像。

下面是我所说的圆形边缘（以红色突出显示。）

下面是预期的输出图像：

我的代码如下：

import cv2
import matplotlib.pyplot as plt
from matplotlib.pyplot import imread as imread

plt.figure(1)
img_DR = cv2.imread('img.tif',0)
edges_DR = cv2.Canny(img_DR,20,40)

plt.subplot(121),plt.imshow(img_DR)
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges_DR,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])

plt.show()

您可以找到此代码中使用的图像here。

提前致谢。

Answer 1

您可以通过 3 个步骤解决此问题：

1) 以非常低的强度阈值输入图像，因此您的视网膜是唯一的前景区域。查看您的图像，这应该可以正常工作，因为您的前景区域中没有真正的黑色区域：

img = cv2.imread('retina.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,bin = cv2.threshold(gray,5,255,cv2.THRESH_BINARY)

2) 使用腐蚀从前景中去除一小部分边距，您想在应用 canny 后去除外缘伪影发展的部分：

kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(bin,kernel,iterations = 1)

（以红色显示：侵蚀区域）

3) 将此腐蚀的图像用作当前结果图像上的二进制掩码。这将移除外部边框，同时保持所有内部结构完整：

edges_DR = cv2.Canny(img,20,40)
result = cv2.bitwise_and(edges_DR,edges_DR,mask = erosion)

您可能需要尝试使用内核大小来进行腐蚀，以移除整个边框，但只移除边框。但总的来说，这应该会产生非常好的和稳健的结果。即使您的扫描方向或大小不一致。