只获得肺部的二值图像

Posted 2023-03-12

【中文标题】只获得肺部的二值图像

【英文标题】：Getting just a binary image of the lungs

【发布时间】：2021-05-28 12:17:24

【问题描述】：

我有一个问题，我正在努力制作肺部的纯二进制蒙版，其中像素值是肺部内部的 1 和肺部外部的 1。我使用了 kmeans 和 otsu 以及其他一些方法来分割肺部。我将附上一些示例图片。

First Example

Second example, same patient/CT. I have no idea why this one has a circle around it

这是一个 3d numpy 数组的链接。它包含所有切片，因此您可能只想尝试一个切片。

https://drive.google.com/file/d/1nktGBYZGz1iJDR_-yarzlRs-c4xOp__9/view?usp=sharing

如您所见，肺被很好地分割。 （图片中间是白色的）。有什么方法可以让我识别出中间的白色斑点（肺）并将其外部的每个像素都变成黑色（0？）如果有人可以指导我，我将非常感谢您的帮助。

这是我用来分割肺的代码（制作二进制掩码）：

def HUValueSegmentation(image, fill_lung_structures=True)：

# not actually binary, but 1 and 2. 
# 0 is treated as background, which we do not want
binary_image = np.array(image > -320, dtype=np.int8)+1
labels = measure.label(binary_image)

# Pick the pixel in the very corner to determine which label is air.
#   Improvement: Pick multiple background labels from around the patient
#   More resistant to "trays" on which the patient lays cutting the air 
#   around the person in half
background_label = labels[0,0,0]

#Fill the air around the person
binary_image[background_label == labels] = 2


# Method of filling the lung structures (that is superior to something like 
# morphological closing)
if fill_lung_structures:
    # For every slice we determine the largest solid structure
    for i, axial_slice in enumerate(binary_image):
        axial_slice = axial_slice - 1
        labeling = measure.label(axial_slice)
        l_max = largest_label_volume(labeling, bg=0)
        
        if l_max is not None: #This slice contains some lung
            binary_image[i][labeling != l_max] = 1


binary_image -= 1 #Make the image actual binary
binary_image = 1-binary_image # Invert it, lungs are now 1

# Remove other air pockets insided body
labels = measure.label(binary_image, background=0)
l_max = largest_label_volume(labels, bg=0)
if l_max is not None: # There are air pockets
    binary_image[labels != l_max] = 0

return binary_image

【参考方案1】：

由于肺部位于遮罩上一个大的负区域的中间，我通过对图像中最大负区域内的区域进行 bitwise_and 过滤掉了遮罩的其余部分。

编辑：我根本没有更改代码的主体，但我将其修改为将 numpy 数组作为一系列图像。

import cv2
import numpy as np

# load numpy array
images = np.load("array.npy");

# do the lung thing
counter = 0;
for img in images:
    # convert to uint8
    img *= 255;
    inty = img.astype(np.uint8);

    # dilate
    kernel = np.ones((3,3), np.uint8);
    mask = cv2.dilate(inty, kernel, iterations = 1);

    # invert
    mask = cv2.bitwise_not(mask);

    # contours # OpenCV 3.4, this returns (contours, _) on OpenCV 2 and 4
    _, contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE);

    # find biggest
    biggest = None;
    big_size = -1;
    for con in contours:
        area = cv2.contourArea(con);
        if area > big_size:
            big_size = area;
            biggest = con;

    # draw fill mask
    mask2 = np.zeros_like(mask);
    cv2.drawContours(mask2, [biggest], -1, (255), -1);

    # combine
    lungs_mask = cv2.bitwise_and(inty, mask2);

    # show
    cv2.imshow("Lungs", inty);
    cv2.imshow("Mask", lungs_mask);
    cv2.waitKey(30);

【讨论】：

非常感谢。这是一个 3d 卷，所以我知道我需要逐个切片。我有一个 numpy 3d 数组，我将逐个切片迭代并尝试使用您的方法。但是，您只是根据我发布的照片​​（作为您的输入数据）执行了此方法。我遇到了很多错误，就像您从彩色 png 照片中执行的方法一样。你明白我的问题吗？我认为我的 numpy 数组就像变量“灰色”（代码的顶部）但是当我尝试了很多事情时似乎没有任何结果。

你能把 numpy 数组贴出来让我试试看吗？

您希望我实际发布单个切片的所有 512x512 值吗？或者有没有更简单的方法来上传一个 numpy 数组？

您可以使用 numpy.save(array) 将数组保存为文件。

嗯，我不确定将保存的 npy 文件上传到 *** 的位置。我只能看到图片选项。我可以通过电子邮件发送给您吗？