如何使用python从图像中去除边界边缘噪声？

Posted 2023-02-25

【中文标题】如何使用python从图像中去除边界边缘噪声？

【英文标题】：How to remove border edge noise from an image using python?

【发布时间】：2019-09-18 17:21:34

【问题描述】：

我正在尝试通过用平均像素值替换黑色区域来去除图像中的黑色边框和无关的非眼睛特征（例如，请参阅下面的文本和“剪辑”）来预处理眼部血管的照片来自 3 个随机方块。

crop1 = randomCrop(image2, 50, 50) #Function that finds random 50x50 area
crop2 = randomCrop(image2, 50, 50)
crop3 = randomCrop(image2, 50, 50)

mean1 = RGB_Mean(crop1)
mean2 = RGB_Mean(crop2)
mean3 = RGB_Mean(crop3)

#RGB Mean
result = [statistics.mean(k) for k in zip(mean1, mean2, mean3)]

for i in range(len(image2[:,0, 0])):
    for j in range(len(image2[0,:,0])):
        thru_pixel = image2[i, j]
        if (thru_pixel[0] < 50 and thru_pixel[1] < 50 and thru_pixel[2] < 50):
            image2[i,j, :] = result
        if (thru_pixel[0] > 190 and thru_pixel[1] > 190 and thru_pixel[2] > 190):
            image2[i,j, :] = result

但是，图像边框周围还有剩余的噪点，以及左下角的剩余文本和剪辑。

这是一个示例图像。

原文：

和后处理

您可以看到仍然存在黑灰色边框噪点以及右下角的文本和左下角的“剪辑”。有什么办法可以在保持眼部血管完整性的同时去除这些伪影吗？

感谢您的宝贵时间和帮助！

【参考方案1】：

假设你要分离眼部血管，这里的方法可以分为两个阶段，一个是去除伪影，另一个是分离血管

将图像转换为灰度 Otsu 获取二值图像的阈值 执行形态学操作以去除伪影 分离血管的自适应阈值 使用最大阈值区域查找轮廓和过滤器 按位与得到最终结果

---

从您的原始图像开始，我们转换为灰度和 Otsu 的阈值以获得二值图像

现在我们执行 morph open 以移除伪影（左）。我们反转这个掩码得到白色边框，然后做一系列的按位运算得到去除的伪影图像（右）

从这里我们自适应阈值来获取静脉

注意有不需要的边框，所以我们找到轮廓并使用最大阈值区域进行过滤。如果轮廓通过过滤器，我们将其绘制到空白蒙版上

最后我们在原始图像上执行按位-and 得到我们的结果

请注意，我们可以在自适应阈值之后执行额外的变形打开以去除小颗粒噪声，但代价是它会去除静脉细节。我将把这个可选步骤留给你

import cv2
import numpy as np

# Grayscale, Otsu's threshold, opening
image = cv2.imread('1.png')
blank_mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15,15))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=3)

inverse = 255 - opening
inverse = cv2.merge([inverse,inverse,inverse])
removed_artifacts = cv2.bitwise_and(image,image,mask=opening)
removed_artifacts = cv2.bitwise_or(removed_artifacts, inverse)

# Isolate blood vessels
veins_gray = cv2.cvtColor(removed_artifacts, cv2.COLOR_BGR2GRAY)
adaptive = cv2.adaptiveThreshold(veins_gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,3)

cnts = cv2.findContours(adaptive, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

for c in cnts:
    area = cv2.contourArea(c)
    if area < 5000:
        cv2.drawContours(blank_mask, [c], -1, (255,255,255), 1)

blank_mask = cv2.cvtColor(blank_mask, cv2.COLOR_BGR2GRAY)
final = cv2.bitwise_and(image, image, mask=blank_mask)
# final[blank_mask==0] = (255,255,255) # White version

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('removed_artifacts', removed_artifacts)
cv2.imshow('adaptive', adaptive)
cv2.imshow('blank_mask', blank_mask)
cv2.imshow('final', final)
cv2.waitKey()

【讨论】：

非常感谢，刚刚实现了这个，效果很好！必须对其进行调整以获得理想的分割结果，但这比我要求的要多得多。

如果您只想获得大静脉，您可以使用(3,3) 内核进行变形打开，然后进行变形关闭。它应该去除微小颗粒但保留主要静脉