我最近一直在研究角膜内皮细胞的分割过程,我发现了一篇相当不错的论文,描述了执行该分割过程并取得了不错的结果。我一直在尝试遵循那篇论文并使用 scikit-image 和 openCV 来实现它,但我被困在了分水岭分割上。
我将简要描述该过程应该如何:
首先,你有原始的内皮细胞图像 原始图像
然后,他们指示您执行形态灰度重建,以便稍微调整图像的灰度(但是,他们没有解释如何获取灰度的标记,所以我一直在鬼混并试图自己买一些)
这就是重建的图像应该看起来的样子: 期望的重建
这就是我重建的图像(让我们将其标记为r)的样子: 我的重建
目的是使用重建的图像来获得分水岭分割的标记,我们该怎么做?!我们得到原始图像(让我们将其标记为f ),并在 ( f - r )中执行阈值以提取单元格的 h 圆顶,即我们的标记。
这是 hdomes 图像应该看起来的样子: 所需的 hdomes
这是我的 hdomes 图像的样子: 我的 hdomes
我相信我得到的 hdome 和他们的一样好,所以,最后一步是最终对原始图像进行分水岭分割,使用我们一直在努力获得的 hdome!
作为输入图像,我们将使用反转的原始图像,作为标记,我们的标记。
这是被删除的输出:
但是,我只得到一个黑色图像,每个像素都是黑色的,我不知道发生了什么......我也尝试使用他们的标记和倒置图像,但是,也得到黑色图像。我一直在使用的论文是Luc M. Vincent、Barry R. Masters,“角膜内皮细胞图像的形态图像处理和网络分析”,Proc。间谍 1769
我为长文本道歉,但是我真的很想详细解释到目前为止我的理解的一切,顺便说一句,我已经尝试从 scikit-image 和 opencv 进行分水岭分割,两者都给了我黑色图像。
这是我一直在使用的以下代码
img = cv2.imread('input.png',0)
mask = img
marker = cv2.erode(mask, cv2.getStructuringElement(cv2.MORPH_ERODE,(3,3)), iterations = 3)
reconstructedImage = reconstruction(marker, mask)
hdomes = img - reconstructedImage
cell_markers = cv2.threshold(hdomes, 0, 255, cv2.THRESH_BINARY)[1]
inverted = (255 - img)
labels = watershed(inverted, cell_markers)
cv2.imwrite('test.png', labels)
plt.figure()
plt.imshow(labels)
plt.show()
谢谢!