1、去除3D 小连通域

在一些计算机视觉任务中，需要对模型的输出做一些后处理以优化视觉效果，连通域就是一种常见的后处理方式。尤其对于分割任务，有时的输出mask会存在一些假阳（小的无用轮廓），通过3D连通域找出面积较小的独立轮廓并去除可以有效地提升视觉效果。

二维图像连通域一般包括 4连通、8连通。对于三维数据一般包括6连通、18连通和26联通。
下面的代码只保留最大3D连通域。

# -*- coding : UTF-8 -*-
# @file   : prob2label.py
# @Time   : 2021-10-19 9:35
# @Author : wmzimport os
import SimpleITK as sitk
from glob import glob
import numpy as npdef getFiles(path, suffix):return [os.path.join(root, file) for root, dirs, files in os.walk(path) for file in files if file.endswith(suffix)]def connected_domain_2(image, mask=True):cca = sitk.ConnectedComponentImageFilter()cca.SetFullyConnected(True)_input = sitk.GetImageFromArray(image.astype(np.uint8))output_ex = cca.Execute(_input)stats = sitk.LabelShapeStatisticsImageFilter()stats.Execute(output_ex)num_label = cca.GetObjectCount()num_list = [i for i in range(1, num_label+1)]area_list = []for l in range(1, num_label +1):area_list.append(stats.GetNumberOfPixels(l))num_list_sorted = sorted(num_list, key=lambda x: area_list[x-1])[::-1]largest_area = area_list[num_list_sorted[0] - 1]final_label_list = [num_list_sorted[0]]# for idx, i in enumerate(num_list_sorted[1:]):  # 大于第一个的十分之一的都保留，注释掉之后只保留最大连通域#     if area_list[i-1] >= (largest_area//10):#         final_label_list.append(i)#     else:#         breakoutput = sitk.GetArrayFromImage(output_ex)for one_label in num_list:if one_label in final_label_list:continuex, y, z, w, h, d = stats.GetBoundingBox(one_label)one_mask = (output[z: z + d, y: y + h, x: x + w] != one_label)output[z: z + d, y: y + h, x: x + w] *= one_maskif mask:output = (output > 0).astype(np.uint8)else:output = ((output > 0)*255.).astype(np.uint8)return outputdef save_prob2label(prob_dir, save_labeldir):# all_prob_seg = glob(os.path.join(prob_dir, "*.nrrd"))all_prob_seg = getFiles(prob_dir, ".nrrd")for index, file in enumerate(all_prob_seg):print("processing", index + 1, '/', len(all_prob_seg), file)label_file = file.replace(prob_dir, save_labeldir).replace(".nrrd", ".nii.gz")prob_img = sitk.ReadImage(file)prob_arr = sitk.GetArrayFromImage(prob_img)label_arr = (prob_arr > Dice_value) * 1label_arr = connected_domain_2(label_arr)label_img = sitk.GetImageFromArray(label_arr)label_img.SetOrigin(prob_img.GetOrigin())label_img.SetDirection(prob_img.GetDirection())dst_dir = label_file.rsplit('\\', 1)[0]if not os.path.exists(dst_dir):os.makedirs(dst_dir)sitk.WriteImage(label_img, label_file)if __name__ == '__main__':prob_nrrd_dir = r'C:\Users\wmz\Desktop\input'save_label_dir = r'C:\Users\wmz\Desktop\test'Dice_value = 0.5save_prob2label(prob_nrrd_dir, save_label_dir)

参考：python实现3D连通域后处理

2、【医学图像处理】之腹部骨骼提取（SimpleITK）

1.内容
步骤：
1.读取Dicom序列
2.设置固定阈值为100，把骨骼和心脏及主动脉都分割出来
3.形态学开运算+最大连通域提取,粗略的心脏和主动脉图像
4.将step1的结果与step2的结果相减,得到骨骼部分
5.最大连通域提取，去除小连接
6.将得到的图像与原始图像进行逻辑与操作
数据地址：
链接：https://pan.baidu.com/s/198H5g30LSKrKInJfgV1xFQ
提取码：a3nw

import SimpleITK as sitk# 最大连通域提取
def GetLargestConnectedCompont(binarysitk_image):cc = sitk.ConnectedComponent(binarysitk_image)stats = sitk.LabelIntensityStatisticsImageFilter()stats.SetGlobalDefaultNumberOfThreads(8)stats.Execute(cc, binarysitk_image)maxlabel = 0maxsize = 0for l in stats.GetLabels():size = stats.GetPhysicalSize(l)if maxsize < size:maxlabel = lmaxsize = sizelabelmaskimage = sitk.GetArrayFromImage(cc)outmask = labelmaskimage.copy()outmask[labelmaskimage == maxlabel] = 255outmask[labelmaskimage != maxlabel] = 0outmask_sitk = sitk.GetImageFromArray(outmask)outmask_sitk.SetDirection(binarysitk_image.GetDirection())outmask_sitk.SetSpacing(binarysitk_image.GetSpacing())outmask_sitk.SetOrigin(binarysitk_image.GetOrigin())return outmask_sitk# 逻辑与操作
def GetMaskImage(sitk_src, sitk_mask, replacevalue=0):array_src = sitk.GetArrayFromImage(sitk_src)array_mask = sitk.GetArrayFromImage(sitk_mask)array_out = array_src.copy()array_out[array_mask == 0] = replacevalueoutmask_sitk = sitk.GetImageFromArray(array_out)outmask_sitk.SetDirection(sitk_src.GetDirection())outmask_sitk.SetSpacing(sitk_src.GetSpacing())outmask_sitk.SetOrigin(sitk_src.GetOrigin())return outmask_sitk# 读取Dicom序列
pathDicom = 'D:/PyCharm 2019.3.3/data/LIDC_nodul'
reader = sitk.ImageSeriesReader()
filenamesDICOM = reader.GetGDCMSeriesFileNames(pathDicom)
reader.SetFileNames(filenamesDICOM)
sitk_src = reader.Execute()# step1.设置固定阈值为100，把骨骼和心脏及主动脉都分割出来
sitk_seg = sitk.BinaryThreshold(sitk_src, lowerThreshold=100, upperThreshold=3000, insideValue=255, outsideValue=0)
sitk.WriteImage(sitk_seg, 'step1.mha')# step2.形态学开运算+最大连通域提取,粗略的心脏和主动脉图像
sitk_open = sitk.BinaryMorphologicalOpening(sitk_seg != 0, 2)
sitk_open = GetLargestConnectedCompont(sitk_open)
sitk.WriteImage(sitk_open, 'step2.mha')# step3.再将step1的结果与step2的结果相减,得到骨骼部分
array_open = sitk.GetArrayFromImage(sitk_open)
array_seg = sitk.GetArrayFromImage(sitk_seg)
array_mask = array_seg - array_open
sitk_mask = sitk.GetImageFromArray(array_mask)
sitk_mask.SetDirection(sitk_seg.GetDirection())
sitk_mask.SetSpacing(sitk_seg.GetSpacing())
sitk_mask.SetOrigin(sitk_seg.GetOrigin())
sitk.WriteImage(sitk_mask, 'step3.mha')# step4.最大连通域提取，去除小连接
skeleton_mask = GetLargestConnectedCompont(sitk_mask)
sitk.WriteImage(skeleton_mask, 'step4.mha')# step5.将得到的图像与原始图像进行逻辑与操作
sitk_skeleton = GetMaskImage(sitk_src, skeleton_mask, replacevalue=-1500)
sitk.WriteImage(sitk_skeleton, 'step5.mha')

参考：【医学图像处理】之腹部骨骼提取（SimpleITK）

SimpleITK三维图像分析相关推荐

脑功能成像大杂烩|有此神器，神经影像配准不再需要高分辨3D T1w
1. 导读: 全球每年有数以百万计的脑部磁共振成像( magnetic resonance imaging,MRI )图像在医院产生.这些有可能彻底改变我们对许多神经系统疾病的理解,但由于它们的各向异 ...
有此神器，神经影像配准不再需要高分辨3D T1w
目录 1.导读 2.SynthSR开发背景 3.Free Surfer中如何调用SynthSR 4.SynthSR在临床中的应用 5.结论 1. 导读: 全球每年有数以百万计的脑部磁共振成像( mag ...
Python SimpleITK提取三维Canny Sobel边界代码
** Canny 边界提取(三维.二维都可) ** import os import numpy as np import SimpleITK as sitkdata_dir = r'6 (1)_la ...
随机样本一致性：一种用于图像分析和自动制图的模型拟合模型（4）--（计算透视中心的三维位置）
(一)计算透视中心的三维位置给出了透视四面体的三个控制点和三条腿的长度,透视中心的三维位置可以确定如下: (1)构造一个平面P1,它相对于平面P-ABL是正交的.这个平面的构造不需要知道透视中心L的 ...
机器人视觉三维成像技术全解析
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达在工业4.0时代,国家智能制造高速发展,传统的编程来执行某一动作的 ...
mhd格式三维图像显示_人体面骨三维有限元模型重构及碰撞分析
摘要: 本文实现了螺旋CT图像构建面颅骨三维有限元模型过程,用CT断层图像输入计算机,采用CT图像三维再现软件和CAD软件构建轮廓线,用非规则形体.有限元软件Ansys划分网格.此模型包括上颌骨.鼻骨 ...
物体的三维识别与6D位姿估计：PPF系列论文介绍（三）
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达文章"A Method for 6D Pose Estimation of Free-For ...
真·降维打击：这篇SIGGRAPH 2020论文帮你「想象」三维生物眼里的四维空间
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达四维空间是什么样子?里面的物体如何运动?一篇 SIGGRAPH 2020 论文帮我们 "想象 ...
物体的三维识别与6D位姿估计：PPF系列论文介绍（四）
文章"3D Pose Estimation of Daily ObjectsUsing an RGB-D Camera"2012发表在IEEE/RSJInternational C ...

SimpleITK三维图像分析

SimpleITK三维图像分析

1、去除3D 小连通域

2、【医学图像处理】之腹部骨骼提取（SimpleITK）

SimpleITK三维图像分析相关推荐

最新文章

热门文章