从乳腺 X 光图像中去除字母伪影
Remove letter artifacts from mammography image
我想使用 python
从乳房 X 光检查中删除字母伪影“L:CC 和字符串”。我怎样才能做到这一点?这是我的头像
您必须获取包含测试的框的像素坐标,如果它们始终相同,我的代码将起作用。
from PIL import Image
im = Image.open('SqbIx.png')
img =im.load()
for i in range (73,116):
for j in range (36,57):
img[i,j]= (0, 0, 0)
im.save('mod.png')
这是 Python/OpenCV 中的一种方法。
- 读取输入
- 转换为灰度
- 阈值
- 扩张为蒙版
- 应用蒙版将白色字母更改为黑色
- 保存结果
import cv2
import numpy as np
# read image
img = cv2.imread('mammogram_letters.png')
# convert to gray
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# create mask
thresh = cv2.threshold(gray, 247, 255, cv2.THRESH_BINARY)[1]
# dilate mask
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
mask = cv2.morphologyEx(thresh, cv2.MORPH_DILATE, kernel)
# apply change
result = img.copy()
result[mask == 255] = (0,0,0)
# save result
cv2.imwrite("mammogram_letters_thresh.png", thresh)
cv2.imwrite("mammogram_letters_mask.png", mask)
cv2.imwrite("mammogram_letters_blackened.png", result)
# show results
cv2.imshow("THRESH", thresh)
cv2.imshow("MASK", mask)
cv2.imshow("RESULT", result)
cv2.waitKey(0)
阈值图像:
蒙版图片:
结果:
我想使用 python
从乳房 X 光检查中删除字母伪影“L:CC 和字符串”。我怎样才能做到这一点?这是我的头像
您必须获取包含测试的框的像素坐标,如果它们始终相同,我的代码将起作用。
from PIL import Image
im = Image.open('SqbIx.png')
img =im.load()
for i in range (73,116):
for j in range (36,57):
img[i,j]= (0, 0, 0)
im.save('mod.png')
这是 Python/OpenCV 中的一种方法。
- 读取输入
- 转换为灰度
- 阈值
- 扩张为蒙版
- 应用蒙版将白色字母更改为黑色
- 保存结果
import cv2
import numpy as np
# read image
img = cv2.imread('mammogram_letters.png')
# convert to gray
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# create mask
thresh = cv2.threshold(gray, 247, 255, cv2.THRESH_BINARY)[1]
# dilate mask
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
mask = cv2.morphologyEx(thresh, cv2.MORPH_DILATE, kernel)
# apply change
result = img.copy()
result[mask == 255] = (0,0,0)
# save result
cv2.imwrite("mammogram_letters_thresh.png", thresh)
cv2.imwrite("mammogram_letters_mask.png", mask)
cv2.imwrite("mammogram_letters_blackened.png", result)
# show results
cv2.imshow("THRESH", thresh)
cv2.imshow("MASK", mask)
cv2.imshow("RESULT", result)
cv2.waitKey(0)
阈值图像:
蒙版图片:
结果: