Python 如何在OpenCV中从x射线分割股骨？

我的目标是从x光图像中分割骨骼，更具体地说是股骨

输入图像1：

预期产出：

输入图像2：

预期产出：

输入图像3：

预期产出：

到目前为止，我应用了K-means分割（有5个聚类）。然而，我不知道如何从这里开始，或者这是正确的方法。任何帮助都将不胜感激

更新： 我按照注释中的建议实现了模板匹配，允许裁剪到感兴趣的区域（球节）。 这让我想到：

然后，我应用了以下内容：

应用CLAHE增强边界

clahe=cv2.createCLAHE（clipLimit=2.0，tileGridSize=（4,4））
img\u clahe=clahe.apply（图像切片）
plt.imshow（img_clahe，cmap=plt.cm.bone）

将中值模糊应用于平滑图像：

blur=cv2.medianBlur（img_clahe，9）
plt.imshow（模糊，cmap=plt.cm.bone）

应用自适应支架：

th3=cv2.自适应阈值（模糊，255，cv2.自适应阈值高斯\
cv2.THRESH_二进制，11,2）
kernel=cv2.getStructuringElement（cv2.MORPH_RECT，（5,5））
th3=cv2.morphologyEx（th3，cv2.MORPH_OPEN，kernel）
th3=cv2.medianBlur（th3，9）
plt.imshow（th3，cmap=plt.cm.bone）

虽然我觉得我离得更近了，但这仍然不是我想要的。有什么建议吗？ 我想得到这个轮廓：

---

如果你想要得到合理的结果，你必须使用深层神经网络（语义分割任务）。但您需要分类数据（带分割遮罩的图像）。

首先，我想看看没有ML/Deep Learning我能走多远。然后将结果与深度学习方法进行比较，您是否有更多图像可供参考？很难从一张图片中推断出这样的事情。。但是，如果你想以半监督的方式进行，你可以使用分水岭算法，或者其他分割算法（比如图切割）是的，我可以。我将用另外两张图片更新这个问题。已经更新了。在你使用神经网络之前，你可能想尝试一个快速而肮脏的解决方案。这需要相当多的训练数据。在这些图像中，获取股骨最显著的特征，比如球关节，并在缩小的图像上使用它进行模板匹配。您可以在分割图像或原始图像上执行此操作。得到的轮廓，其中有模板匹配的部分应该大致是你的股骨。假设你的分割是正确的，你可以让股骨做任何需要的后处理。模板匹配对多个图像有效吗？好吧，假设股骨-骨球关节的特征是，无论角度如何，这一特征在X射线的另一部分是不存在的。您可能需要进行目视检查，并保持较低的阈值以通过类似外观的球头。正如我所说，在转向更为复杂的神经网络解决方案之前，这是一个值得尝试的东西，毫无疑问，这本身需要相当多的数据。@Knightfork我已经用你的建议更新了我的问题。看看：）你已经非常接近你的解决方案了。为什么不在最终图像中尝试一些形态学操作（在本例中是形态学打开，甚至是擦除），以打开单独的骨骼部分，然后进行查找。任何围绕中心的轮廓都是股骨，概率相当高。最后，您可能需要对所有参数进行微调，以推广此方法。