分割后如何从图像中删除小对象

Question

说明

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

我有以下图像作为输入：

用阈值和分水岭方法分割后，我得到了这个结果：

之后，我想从分割后的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物体。所以如下图所示，我想像这样提取癌性结节：

如何使用 OpenCV 在 android 中实现这一点？

Answer 1

为什么你不使用称为 MobileUNet 的深度神经网络来解决语义分割问题。我只是提到它的设计非常简单。它适用于 IOS 和 Android。

您可以在 Github 存储库中查看更多详细信息。 https://github.com/akirasosa/mobile-semantic-segmentation

Answer 2

我尝试实施我建议的解决方案。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斑点。主要是侵蚀操作。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。您似乎实现了分水岭分割。没关系。我尝试使用一个大窗口（@98​​7654335@ 大小，在这种情况下）应用一个简单的自适应阈值。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 );

这是你得到的结果：

现在，有多个 blob。但是，我将寻找最大的斑点，因为那是我们感兴趣的目标区域所在的位置。在二进制图像中搜索最大的斑点是我经常执行的任务，因此我为此准备了一个函数。它被称为findBiggestBlob。稍后我将介绍该功能。查看过滤掉较小的 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。首先，erode 操作。使用 5 x 5 大小的 ellipse 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 现在已分离：

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

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

你明白了：

    //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。结果是这样的：

    //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斑点（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;
}