Сглаживание краев двоичного изображения

Как сгладить края этого бинарного изображения кровеносных сосудов, полученного после установления порога.

enter image description here

Я попробовал метод, похожий на этот метод, но не получил ожидаемого результата.

enter image description here

Вот код:

import cv2
import numpy as np

INPUT = cv2.imread('so-br-in.png',0)
MASK = np.array(INPUT/255.0, dtype='float32')

MASK = cv2.GaussianBlur(MASK, (5,5), 11)
BG = np.ones([INPUT.shape[0], INPUT.shape[1], 1], dtype='uint8')*255

OUT_F = np.ones([INPUT.shape[0], INPUT.shape[1], 1],dtype='uint8')

for r in range(INPUT.shape[0]):
    for c in range(INPUT.shape[1]):
        OUT_F[r][c]  = int(BG[r][c]*(MASK[r][c]) + INPUT[r][c]*(1-MASK[r][c]))

cv2.imwrite('brain-out.png', OUT_F)  

Что можно сделать, чтобы улучшить сглаживание этих резких краев?

EDIT

Я бы хотел сгладить края примерно как http://pscs5.tumblr.com/post/60284570543. Как это сделать в OpenCV?

Ответ 1

Вот результат, который я получил с вашим изображением: введите описание изображения здесь

Мой метод в основном основан на нескольких cv::medianBlur, применяемых на увеличенном изображении.

Вот код:

cv::Mat vesselImage = cv::imread(filename); //the original image
cv::threshold(vesselImage, vesselImage, 125, 255, THRESH_BINARY);
cv::Mat blurredImage; //output of the algorithm
cv::pyrUp(vesselImage, blurredImage);

for (int i = 0; i < 15; i++)
    cv::medianBlur(blurredImage, blurredImage, 7);

cv::pyrDown(blurredImage, blurredImage);
cv::threshold(blurredImage, blurredImage, 200, 255, THRESH_BINARY);

Неровные края связаны с порогом. Если вам комфортно выводить изображение, не являющееся двоичным (т.е. с 256 оттенками grAy), вы можете просто удалить его, и вы получите это изображение: введите описание изображения здесь

Ответ 2

Затем вы можете разложить области http://docs.opencv.org/2.4/doc/tutorials/imgproc/erosion_dilatation/erosion_dilatation.html.

import cv2
import numpy as np
blur=((3,3),1)
erode_=(5,5)
dilate_=(3, 3)
cv2.imwrite('imgBool_erode_dilated_blured.png',cv2.dilate(cv2.erode(cv2.GaussianBlur(cv2.imread('so-br-in.png',0)/255, blur[0], blur[1]), np.ones(erode_)), np.ones(dilate_))*255)  

От To

ИЗМЕНИТЬ, когда шкала закрыта с 4 перед материалом введите описание изображения здесь

Ответ 3

Что вы можете сделать, это увеличить разрешение вашего изображения (например, удвоить или утроить его с помощью resize). После этого эрозия и дилатация, как описано в другом ответе выше, приведут к более тонким результатам.

Ответ 4

я внесла некоторые изменения в @dhanushka ответить на другой вопрос и получить эти изображения.

Извините, это код на С++, но, возможно, вы преобразуете его в Python.

введите описание изображения здесь

Вы можете изменить параметры ниже, чтобы получить разные результаты.

// contour smoothing parameters for gaussian filter
int filterRadius = 10; // you can try to change this value
int filterSize = 2 * filterRadius + 1;
double sigma = 20; // you can try to change this value

введите описание изображения здесь

#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main( int argc, const char** argv )
{
    Mat im = imread(argv[1], 0);

    Mat cont = ~im;
    Mat original = Mat::zeros(im.rows, im.cols, CV_8UC3);
    Mat smoothed = Mat(im.rows, im.cols, CV_8UC3, Scalar(255,255,255));

    // contour smoothing parameters for gaussian filter
    int filterRadius = 5;
    int filterSize = 2 * filterRadius + 1;
    double sigma = 10;

    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    // find contours and store all contour points
    findContours(cont, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE, Point(0, 0));
    for(size_t j = 0; j < contours.size(); j++)
    {
        // extract x and y coordinates of points. we'll consider these as 1-D signals
        // add circular padding to 1-D signals
        size_t len = contours[j].size() + 2 * filterRadius;
        size_t idx = (contours[j].size() - filterRadius);
        vector<float> x, y;
        for (size_t i = 0; i < len; i++)
        {
            x.push_back(contours[j][(idx + i) % contours[j].size()].x);
            y.push_back(contours[j][(idx + i) % contours[j].size()].y);
        }
        // filter 1-D signals
        vector<float> xFilt, yFilt;
        GaussianBlur(x, xFilt, Size(filterSize, filterSize), sigma, sigma);
        GaussianBlur(y, yFilt, Size(filterSize, filterSize), sigma, sigma);
        // build smoothed contour
        vector<vector<Point> > smoothContours;
        vector<Point> smooth;
        for (size_t i = filterRadius; i < contours[j].size() + filterRadius; i++)
        {
            smooth.push_back(Point(xFilt[i], yFilt[i]));
        }
        smoothContours.push_back(smooth);

        Scalar color;

        if(hierarchy[j][3] < 0 )
        {
            color = Scalar(0,0,0);
        }
        else
        {
            color = Scalar(255,255,255);
        }
        drawContours(smoothed, smoothContours, 0, color, -1);
    }
    imshow( "result", smoothed );
    waitKey(0);
}

Ответ 5

Вы, скорее всего, сначала получили изображение в масштабе шкалы кровеносных сосудов, а затем порог. Он по-прежнему выглядит негладким, потому что исходное изображение в сером цвете имеет шум внутри. Теперь попросить о сглаживании краев приведет к более низкому разрешению. Например, разбавление и эрозия, предложенные в другом ответе, могут сливать соседние сосуды на стадии разбавления, которые затем не могут быть снова разделены на этапе эрозии.

Может быть предпочтительнее сначала удалить шум в изображении с серой шкалой (а также сделать сглаживание) и сделать пороговое значение в качестве последнего шага.

Поскольку вы не доставляли изображение с серой шкалой, я выполнил мягкое сглаживание (около одной ширины пикселя) здесь на двоичном изображении и снова выполнил пороговое значение.

введите описание изображения здесь

Я сделал сглаживание (с гауссовским ядром фиксированного размера) и пороговое значение (с параметром порога). Я предлагаю вам сделать это в данных изображения в оттенках серого и настроить два параметра, пока вам не понравится результат.

Код Matlab в случае, если он представляет интерес:

% read
img = imread('YyNQV.png');
img = double(img(:, :, 1) ~= 255); % png is RGB -> binary

% smooth
kernel = fspecial('gaussian', 10, 1.5);
kernel = kernel / sum(kernel(:)); % normalize to 1
img_smooth = conv2(img, kernel, 'same');

% binarize again
threshold = 0.4; % experiment with values between 0 and 1
img_smooth_threshold = img_smooth > threshold;

% save (exchange black and white)
imwrite(~img_smooth_threshold, 'YyNQV_smooth.png');