初衷

最近比較閒，跟同學聊天講到他的課題：醫學影象分割，提取左心室區域。

我就好奇要了原始圖片，發現超聲影象果然比紅外影象解析度低，他指給我左心室所在區域。

思路

拿到這張圖第一眼，腦海裡蹦出無數個小想法：

• 感興趣區域為一個扇形，所以首先製作掩模；
• 這種灰度分級模糊的影象，若想分類，可以試試Kmeans，或者直接用閾值分割；
• 後續可以分析特徵，通過邊界跟蹤一類得到。

具體流程

• 1、原圖通過k_means二分類，並得到二值分割圖；
• 2、形態學處理將粘連區域拆分，去除連通區域內部空洞；
• 3、掩模後只保留扇形內資料；
• 4、提取輪廓並以面積為評估物件做篩選；
• 5、歐式距離為評估物件，後續維護好目標跟蹤。（在後續分析視訊序列時，發現其實目標位置基本不會大的變化，只是在形狀發生變化，因此可以藉助歐式距離跟蹤）

製作扇形掩模

查詢opencv並沒有現成的繪製扇形函式，只有手動繪製了。
大概思路為：

• 1、繪製扇形的圓弧；
• 2、繪製兩條半徑，繪製半徑需要知道角點，所以牽扯些許三角函式的計算。

嘗試引數後，程式碼如下：

//生成扇形輪廓,角度
void get_fans(Mat &img,cv::Point center,double angle, int radius)
{

	ellipse(img, center, cv::Size(radius, radius), 0, 90 - angle / 2, 90 + angle / 2, Scalar(255, 255, 255), 3, 8);

	//計算扇形頂點座標，先計算弦長和高

	int chord_len = radius*sin(angle*3.14 / (2 * 180));

	int height = radius*cos(angle*3.14 / (2 * 180));

	//一左一右，中心點加偏移量即為頂點座標
	
	cv::Point corner_1 = center + cv::Point(-chord_len, height);

	cv::Point corner_2 = center + cv::Point(chord_len, height);

	line(img, center, corner_1, Scalar(255, 255, 255), 3, 8);

	line(img, center, corner_2, Scalar(255, 255, 255), 3, 8);

}
 

朋友只需要根據引數調整，就能得到他們專案所需要的掩模。這個程式只是生成一張扇形的輪廓，生成掩模，還需要提取輪廓重新繪製，並將內部填充。
這部分程式碼如下：

get_fans(maskImage, cv::Point(520, 0), 77.4, 806);

		vector<vector<cv::Point> > contours;//查詢輪廓	

		vector<cv::Vec4i> hierarchy;//輪廓需要

		findContours(maskImage, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

		maskImage = cv::Mat::zeros(cv::Size(srcImage.cols, srcImage.rows), CV_8UC1);

		//繪製自定義掩模，CV_FILLED表示完全填充內部
		drawContours(maskImage, contours, -1, cv::Scalar::all(255), CV_FILLED);

 

完整程式碼就不分享了，借用Kmeans在分類時存在需要不定時反色情形，在對視訊序列處理時，直接閾值化後效果也不錯。
Kmeans效果還是有那麼點的：