如何分割血管python opencv

Question

我正在尝试使用Python和OpenCV对视网膜图像中的血管进行分割.这是原始图像:

理想情况下,我希望所有的血管都像这样(不同的图像)非常明显:

这是我到目前为止所尝试的.我拍了图像的绿色通道.

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

然后我试图按照创建匹配滤波器这篇文章,这是输出图像是什么:

然后我尝试进行最大熵阈值处理:

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,显然没有显示所有的血管:

我也试过拍摄图像的匹配滤镜版本并考虑其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)

这使船只更加突然出现:

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()

大津没有给出足够的结果.它最终会在结果中包含噪音:

如何能成功分割血管,我们对此表示赞赏.

Answer 1

几年前，我从事视网膜血管检测工作，有多种方法可以实现：

• 如果您不需要顶级结果但需要快速结果，则可以使用定向开口，请参阅此处和此处。
• 那么您可以在此处使用数学形态学版本的其他版本。

为了获得更好的结果，这里有一些想法：

• 就我个人而言，我使用了 Gabor 滤波器的组合，结果相当不错。请参阅此处的drive 第一个图像上的分割结果。
• 而Gabor可以结合学习获得一个好的结果，还是这里。
• 几年前，他们声称拥有最好的算法，但我从未有机会测试它。我对性能差距以及他们对线检测器结果进行阈值设置的方式表示怀疑，这有点晦涩难懂。
• 但我知道现在很多人尝试使用 CNN 来解决这个问题，但我还没有听说有重大改进。