使用python识别图像中的大圆形白色

我需要这两张图片的建议

图像A

图像B

我想确定图像是否有视神经胶质瘤

图像A表示没有异常，图像上有一个较小的圆形白色。而图像B有一个较大的图像，其中有视神经胶质瘤。基本上，我想做的是确定与标准基础（即图像a相比，图像是否具有更大的白色圆圈

---

任何建议都是很大的帮助。谢谢大家

我建议使用类似或其他现成的服务来完成所有的繁重工作

---

例如，在Azure中，您可以获得图像中各种形状/对象的边界矩形：。由此我可以看出——如果所有的图像尺寸都是标准化的，并且是相同的——内圈的边框区域可以给你一个关于视神经胶质瘤是否存在的置信度评分。

Eye doc？机器学习算法和神经网络有无限的可能性。你需要训练一个图像分类器

---

有一个链接^。如果你是为了一个大型项目而这样做，我建议你雇佣一个开发者。这是可以做到的，但除了从事人工智能工作的程序员之外，这并不容易。

如果你可以访问一个大的标记图像数据集，那么训练分类器就相当简单了。对不起，我没有分类器。通过分类器，你是什么意思？通过构建分类器，输出不是会相同吗？因为它们都具有相同的特征，但只是大小不同？尝试检测亮圈并比较它们的大小将是某种“手工制作的特征分类器”深度神经网络可能在训练过程中学习这些和其他特征。大小不是标准的。@AmyllaVimiar——我认为任务的第一部分是将大小（即每个输入眼睛的半径）调整为相同。一旦标准化，我认为使用一种图像检测服务可能会非常有用。你哭着在这里试一试Microsoft：当检测图像a和b时，构建分类器不会提供相同的结果吗？因为他们都有相同的特征？他们没有相同的特征。神经外膜看起来更厚，更重要的是，图像中浅颜色区域的大小不同——这正是分类器可以发挥作用的地方。它可以测量视神经中心与“正常”和“病变”视神经浅颜色边界之间的平均距离，然后“学习”如何区分它们。因此，如果我用CNN构建一个分类器，这能做到吗？这将能够分类和识别图像a和图像b吗？除此之外，您还需要很多模块。你所说的非常复杂。可能是几个月的工作，甚至从大学开发的开源项目中大量借用。只是一个想法。对图像使用模板匹配怎么样？