如何分割血管python opencv

Question

我正在尝试使用 Python 和 OpenCV 分割视网膜图像中的血管。这是原图：

理想情况下，我希望所有血管都像这样非常明显（不同的图像）：

这是我到目前为止所尝试的。我取了图像的绿色通道。

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

然后我尝试按照this article 创建匹配过滤器，这就是输出图像：

然后我尝试做最大熵阈值：

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过滤器版本并获取其 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)

这使得容器弹出更多：

然后我尝试了 Otsu 阈值：

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()

Otsu 没有给出足够的结果。它最终会在结果中包含噪音：

感谢任何关于我如何成功分割血管的帮助。

Answer 1

几年前我从事视网膜血管检测工作，有不同的方法可以做到：

• 如果您不需要最高结果但需要快速的结果，您可以使用定向开口，see here 和 here。
• 那么你有另一个使用数学形态学的版本version here。

为了获得更好的结果，这里有一些想法：

• 就个人而言，我使用了 Gabor 过滤器的组合，结果非常好。见the segmentation result here on the first image of drive。
• 还有Gabor can be combined with learning for a good result，或here。
• 几年前，they claimed to have the best algorithm，但我从来没有机会测试它。我对性能差距以及他们对线路检测器结果进行阈值处理的方式持怀疑态度，这有点模糊。
• 但我知道现在很多人都在尝试使用 CNN 来解决这个问题，但我还没有听说有显着的改进。