Python 3.x 使用Python在灰度CT图像中分离头部

我处理的是CT图像，包括患者头部，但也包括金属圆柱体的“阴影”

这些“阴影”可以向下、向左或向右显示。在上面的图像中，它仅显示在图像的下方。在下图中，它显示在左右方向。我不知道图像中是否有圆柱体的阴影。我必须设法发现它并把它移走。然后我可以继续分割头骨/头部

为了创建一个可复制的示例，我想提供表示图像的numpy数组（128x128），但我不知道如何将其上载到stackoverflow

我怎样才能达到我的目标

我尝试用ndimage和scikit图像进行分割，但不起作用。我得到的片段太多了

---

---

12张原始图像

对12幅图像进行二值化处理

剥离的12幅图像（膨胀，侵蚀=0.1,0.1）

用红色标记的图像无法帮助创建一个矩形面具，它将覆盖头骨，这是我的最终目标

---

请注意，在应用该算法的过程中，我将无法逐个检查图像。

您可以使用腐蚀（具有适当的迭代次数）的组合来删除薄细节，然后进行膨胀（也具有适当的迭代次数）将非细部细节恢复到近似原始大小

在代码中，这看起来像：

import io
import requests

import numpy as np
import scipy as sp
import matplotlib as mpl
import PIL as pil

import scipy.ndimage
import matplotlib.pyplot as plt


# : load the data
url = 'https://i.stack.imgur.com/G4cQO.png'
response = requests.get(url)
img = pil.Image.open(io.BytesIO(response.content)).convert('L')
arr = np.array(img)
mask_arr = arr.astype(bool)

# : strip thin objects
struct = None
n_erosion = 6
n_dilation = 7
strip_arr = sp.ndimage.binary_dilation(
    sp.ndimage.binary_erosion(mask_arr, struct, n_erosion),
    struct, n_dilation)

plt.imshow(mask_arr, cmap='gray')
plt.imshow(strip_arr, cmap='gray')
plt.imshow(mask_arr ^ strip_arr, cmap='gray')

从该图像开始（

mask\u arr

）：

你可以看到这张图片（

strip\u arr

）：

区别在于（

mask\u arr^strip\u arr

）：

---

编辑 （处理评论中提出的问题）

例如，使用不同的输入图像，以更低的阈值对输入进行二值化，将有助于获得更大、更薄的头部细节，这些细节在侵蚀过程中不会消失

---

或者，您可以通过将椭圆拟合到头部来获得更稳健的结果。

您可以使用侵蚀（具有适当的迭代次数）的组合来删除薄细节，然后进行膨胀（也具有适当的迭代次数）以将非薄细节恢复到近似原始大小

在代码中，这看起来像：

import io
import requests

import numpy as np
import scipy as sp
import matplotlib as mpl
import PIL as pil

import scipy.ndimage
import matplotlib.pyplot as plt


# : load the data
url = 'https://i.stack.imgur.com/G4cQO.png'
response = requests.get(url)
img = pil.Image.open(io.BytesIO(response.content)).convert('L')
arr = np.array(img)
mask_arr = arr.astype(bool)

# : strip thin objects
struct = None
n_erosion = 6
n_dilation = 7
strip_arr = sp.ndimage.binary_dilation(
    sp.ndimage.binary_erosion(mask_arr, struct, n_erosion),
    struct, n_dilation)

plt.imshow(mask_arr, cmap='gray')
plt.imshow(strip_arr, cmap='gray')
plt.imshow(mask_arr ^ strip_arr, cmap='gray')

从该图像开始（

mask\u arr

）：

你可以看到这张图片（

strip\u arr

）：

区别在于（

mask\u arr^strip\u arr

）：

---

编辑 （处理评论中提出的问题）

例如，使用不同的输入图像，以更低的阈值对输入进行二值化，将有助于获得更大、更薄的头部细节，这些细节在侵蚀过程中不会消失

或者，通过将椭圆拟合到头部，您可能会得到更可靠的结果。

我建议使用不同的方法（实际上是两种方法），而不是像上面Ander Biguri那样的“纯”图像处理

这里的概念不是单纯依靠算法图像处理，而是利用您对具体情况的了解：

1） 假设容器是金属的（如您所述），另一种可能容易得多的方法就是根据金属框架的特定HU编号设置阈值

虽然您将图像显示为简单灰度，但实际上CT图像是16位图像，在256bit灰度表示中查看时窗口水平-因此，上面的图片不是图像数据中可用全部信息的真实表示，实际上是16位

金属框架的HU值可能与解剖结构中的任何东西都有显著不同（高于）。如果是这种情况，那么简单的阈值分割然后减法将是一种更简单的去除方法

2） 另一种方法还将基于考虑您的特定情况的几何结构和特性：

在上面的图像中，你可以在图像的中间向上看垂直剖面（列），以找到框架的位置-位置是垂直轮廓交叉到与帧匹配的胡数值的点。 从这一点开始，您可以使用泛洪填充方法（eg）查找特定公差范围内的所有连接点

这还将为您提供一组与帧匹配的点（遮罩），您可以使用这些点将其从原始图像中移除

---

我认为这两种方法中的任何一种对于您提出的情况都会更快、更健壮。

我建议使用不同的方法（实际上是两种方法），而不是像上面的Ander Biguri那样的“纯”图像处理

这里的概念不是单纯依靠算法图像处理，而是利用您对具体情况的了解：

1） 假设容器是金属的（如您所述），另一种可能容易得多的方法就是根据金属框架的特定HU编号设置阈值

虽然您将图像显示为简单灰度，但实际上CT图像是16位图像，在256bit灰度表示中查看时窗口水平-因此，上面的图片不是图像数据中可用全部信息的真实表示，实际上是16位

金属框架的HU值可能与解剖结构中的任何东西都有显著不同（高于）。如果是这种情况，那么简单的阈值分割然后减法将是一种更简单的去除方法

2） 另一种方法还将基于考虑您的特定情况的几何结构和特性：

在上面的图片中，您可以看到