Python 如何通过传统的计算机视觉方法分割和计算特定的头部CT区域？

我正在为计算机视觉（CV）课程生成材料，我想通过常规CV技术计算此突出显示部分的面积：

因此，我应用Canny来检测边缘，并使用圆Hough变换来寻找相应的区域。以下是我的结果：

我尝试使用分水岭，以标记作为我找到的圆圈的中心，但没有成功。有人知道我该如何继续或有其他想法吗

代码如下：

将numpy作为np导入
将matplotlib.pyplot作为plt导入
将cv2作为cv导入
从skimage.feature导入canny
从skimage.transform导入hough_圆，hough_圆
从skimage.draw导入圆\周长
从skimage.segmentation导入分水岭
导入urllib.request
urllib.request.urlretrieve（“https://github.com/LAVI-USP/SEL0339-SEL5886/raw/master/imagens/pratica_07/head_CT.tif“，”标题“\u CT.tif”）
#读取图像
img=cv.imread（“头部CT.tif”，-1）
#边缘检测器
边缘=canny（img，sigma=2.0，低阈值=19，高阈值=57）
#霍夫环
霍夫半径=np.arange（29,32,1）
hough_res=hough_圆（边、hough_半径）
累计、cx、cy、半径=霍夫圆峰值（霍夫半径、霍夫半径、总峰数=4、最小距离=200、最小距离=200、阈值=0.25）
#去除假正圆
sortX=np.argsort（cx）
cx=cx[sortX[：-1]]
cy=cy[sortX[：-1]]
半径=半径[sortX[：-1]]
#画红圈
img_rgb=np.tile（np.expand_dims（img，轴=-1），（1,1,3），）
对于中心y、中心x、拉链中的半径（cy、cx、半径）：
圆圈，圆圈x=圆圈周长（圆心y，圆心x，半径，形状=img\u rgb.shape）
img_rgb[circy，circx]=（220,20,20）
#绘图图像
imgs=[img_rgb，边缘]
r、 c=1,2
图，axs=plt.子批次（r，c，figsize=（15,15））
对于范围（r）内的i：
对于范围（c）内的j：
axs[j].imshow（imgs[i*c+j]，cmap='gray'）
axs[j]。轴（“关闭”）

这是图片

谢谢你的帮助

---

*这张图片来自Gonzalez&Woods的《数字图像处理》一书。

看看这里的检查活动轮廓方法（snakes）或水平集分割方法（chan-vese）。