如何改进感兴趣区域中心的动态检测

Question

我有按 3D 阵列形状（2D 和切片）分组的 MRI 图像，这些图像来自不同的机器，因此空间分辨率各不相同，我喜欢动态地从所有图像中切出 ROI。

切割将取决于我感兴趣的圆圈的检测（圆圈的半径和形状因切片而异，因为它代表心脏运动）。为此，我正在尝试：

找到所有检测到的圆的中心。
获取所有圆心的平均值。

这种方法的问题在于： 检测到的圆圈远离我的兴趣点，这会影响平均值 badly.As 您可以在 图片下码.

是否有任何解决方案（无需详尽计算协方差矩阵）来排除这个极端点？

#============================================
 def processImage(img,kernel_size):
  #gray = cv.cvtColor(img, cv2.COLOR_BGR2GRAY)
  #blur = cv.GaussianBlur(img, (kernel_size,kernel_size), 0)
  thresh = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY,11,2)
  blur = cv.GaussianBlur(thresh, (kernel_size,kernel_size), 0)
  #thresh = cv.Canny(blur, 50, 150)      
  return blur
 #--------------------------------------------
 #============================================
 def locateCenters(self,img,ker_sz):
  # define circles center & initialization
  centers = np.array([[90,120]],dtype=int)  
  # loop all the slices
  for idx in range(img.shape[2]): 
   #convert the pixels to uint8
   imag = img[:,:,idx].astype('uint8') 
   # PreProcessing for Images
   img_pro = ROI.processImage(imag,ker_sz)
   # Detecting circles
   circles = cv.HoughCircles(img_pro,cv.HOUGH_GRADIENT,1,10, param1=40,param2=50,minRadius=10,maxRadius=35)
   # check wrther if there is circles or not
   if circles is not None : 
    circles = np.uint16(np.around(circles))
    #print(circles[0,:])
    for i in circles[0,:]:
     centers = np.append(centers, [[i[0],i[1]]],axis = 0).astype(int)
  center = np.mean(centers,axis=0,dtype=np.int)#.reshape(1,2)
  print("Center ",center,"\nCenters:",centers.shape)
  x,y = center
  return x,y
 #--------------------------------------------

Answer 1

解决方案是拍摄 4D 图像（3D + 时间）并使用标准偏差来定位心脏（因为它一直在移动）。

如何改进感兴趣区域中心的动态检测

How to improve the dynamic detection of the center of region of interest

python

opencv

roi

image-processing

python-3.x