分水岭分割总是返回黑色图像-Java 学习之路

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，描述了如何以良好的效果执行它 . 我一直试图按照那篇论文使用scikit-image和openCV来实现它，但我已经陷入了分水岭的分割 .

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original image

然后，他们指示你进行形态灰度重建，以便稍微调整图像的灰度（但是，他们没有解释如何获得灰度的标记，所以我一直在愚弄并试图以我自己的方式得到一些）

这就是重建图像的样子：desired reconstruction

这就是我的重建图像（让它标记为r）看起来像：my reconstruction

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（让它标记为f），并在（f-r）中执行阈值以提取细胞的h圆顶，即我们的标记 .

这就是hdomes图像应该是这样的：desired hdomes

这就是我的hdomes图像：my hdomes

我相信我得到的hdomes和他们一样好，所以，最后一步是最终在原始图像上执行分水岭分割，使用我们一直努力工作的hdomes！

作为输入图像，我们将使用反转的原始图像，并作为标记，我们的标记 .

这是侮辱的输出：

desired output

然而，我只得到一个黑色的图像，每个像素都是黑色的，我不知道's happening... I'还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，"Morphological image processing and network analysis of cornea endothelial cell images"，Proc . SPIE 1769

我为长篇文章道歉，但是我真的想详细解释到目前为止我的理解是什么，顺便说一句，我已经尝试过scikit-image和opencv的分水岭分割，两者都给了我黑色图像 .

以下是我一直使用的以下代码

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！

1 回答

以下是使用scikit-image对图像进行分水岭分割的粗略示例 .

您的脚本中缺少的是计算欧几里德距离（请参阅here和here）并从中提取局部最大值 .

注意，分水岭算法输出分段恒定图像，其中相同区域中的像素被分配相同的值 . “所需输出”面板（e）中显示的是区域之间的边缘 .

import numpy as np
import cv2
import matplotlib.pyplot as plt
from skimage.morphology import watershed
from scipy import ndimage as ndi
from skimage.feature import peak_local_max
from skimage.filters import  threshold_local

img = cv2.imread('input.jpg',0)

'''Adaptive thersholding 
   calculates thresholds in regions of size block_size surrounding each pixel
   to handle the non-uniform background'''
block_size = 41
adaptive_thresh = threshold_local(img, block_size)#, offset=10)
binary_adaptive = img > adaptive_thresh

# Calculate Euclidean distance
distance = ndi.distance_transform_edt(binary_adaptive)

# Find local maxima of the distance map 
local_maxi = peak_local_max(distance, labels=binary_adaptive, footprint=np.ones((3, 3)), indices=False)
# Label the maxima
markers = ndi.label(local_maxi)[0]

''' Watershed algorithm
    The option watershed_line=True leave a one-pixel wide line 
    with label 0 separating the regions obtained by the watershed algorithm '''
labels = watershed(-distance, markers, watershed_line=True)

# Plot the result
plt.imshow(img, cmap='gray')
plt.imshow(labels==0,alpha=.3, cmap='Reds')
plt.show()

回复于 2024-04-29T15:11:16+08:00

分水岭分割总是返回黑色图像

1 回答

相关问题