李纯明博士的RSF算法源码.水平集医学图像分割

图像预处理

首先吧nii格式转png,取出单张切片实验,把图像灰度值转到0-255.

import os
import cv2
from medpy.io import load,save
import numpy as npdef label_seg(nii_path, save_folder):data_nii_path = nii_path + '\File3'        # 存放原始CT数据file_list = os.listdir(data_nii_path)      # 批量处理for nii_data in file_list:data, header = load(os.path.join(data_nii_path, nii_data))   # 加载nii文件img, header1 = load(os.path.join(data_nii_path, nii_data.replace('segmentation', 'volume')))# str.replace(old,new)用new替换old（字符串）# 加窗处理，过滤掉过于的组织img[img > 250] = 250img[img < -250] = -250stomach = np.zeros(data.shape)         # 创建一个全为0的矩阵，形状与加载的nii文件大小一样img_name = os.path.split(nii_data)     # 分离文件名，用以保存时的文件名前缀'''split() 通过指定分隔符对字符串进行切片，如果参数 num 有指定值，则分隔 num+1 个子字符串str.split(str="", num=string.count(str)). str -- 分隔符，默认为所有的空字符，包括空格、换行(\n)、制表符(\t)等。num -- 分割次数。默认为 -1, 即分隔所有。'''img_name = img_name[-1]img_name = img_name.split('.')img_name = img_name[0]for i in range(0, slice_num):# 标签 + CT原图（只取有标签的，存放在同一个文件夹下）if stomach[:, :, i].max() > 0:  # 胃壁stomach_label = stomach[:, :, i] * 255stomach_img = (img[:, :, i] - img[:, :, i].min()) / (img[:, :, i].max() - img[:, :, i].min()) * 255print(cv2.imwrite("%s/%s-%d.png" % (stomach_label_path, "stomach-" + img_name, i), stomach_label))print(cv2.imwrite("%s/%s-%d.png" % (stomach_label_path, "stomach-" + img_name.replace('segmentation', 'volume'), i), stomach_img))img_data = (img[:, :, i] - img[:, :, i].min()) / (img[:, :, i].max() - img[:, :, i].min()) * 255print(cv2.imwrite("%s/%s-%d.png" % (data_nii_path, img_name.replace('segmentation', 'volume'), i), img_data))if __name__ == "__main__":nii_path = r'D:\Desktop\seg'# save_path = r'/media/image522/数据/stomach/png'save_path = r'D:\Desktop\seg\image\image2'label_seg(nii_path, save_path)

RSF算法

#coding:utf-8
import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt
import math
from PIL import Imagedef DrawContour(LSF,p1,p2):# print(LSF.shape)plt.clf();plt.imshow(Image),plt.xticks([]), plt.yticks([]);plt.contour(LSF,[0],color = p1,linewidth = p2);plt.show(block=False),plt.pause(0.01);def mat_math (intput,str):output=intput;for i in range(img.shape[0]):for j in range(img.shape[1]):if str=="atan":output[i,j] = math.atan(intput[i,j]);if str=="sqrt":output[i,j] = math.sqrt(intput[i,j]);# print(output.shape)return output;def RSF (LSF, img, mu, nu, epison,step,lambda1,lambda2,kernel):Drc = (epison / math.pi) / (epison*epison+ LSF*LSF);Hea = 0.5*(1 + (2 / math.pi)*mat_math(LSF/epison,"atan"));Iy, Ix = np.gradient(LSF);s = mat_math(Ix*Ix+Iy*Iy,"sqrt");Nx = Ix / (s+0.000001);Ny = Iy / (s+0.000001);Mxx,Nxx =np.gradient(Nx);Nyy,Myy =np.gradient(Ny);cur = Nxx + Nyy;Length = nu*Drc*cur;Lap = cv2.Laplacian(LSF,-1);# print(Lap.shape)Penalty = mu*(Lap - cur);KIH = cv2.filter2D(Hea*img,-1,kernel);KH = cv2.filter2D(Hea,-1,kernel);f1 = KIH / KH; KIH1 = cv2.filter2D((1-Hea)*img,-1,kernel);KH1 = cv2.filter2D(1-Hea,-1,kernel);f2 = KIH1 / KH1; R1 = (lambda1- lambda2)*img*img;R2 = cv2.filter2D(lambda1*f1 - lambda2*f2,-1,kernel);R3 = cv2.filter2D(lambda1*f1*f1 - lambda2*f2*f2,-1,kernel);RSFterm = -Drc*(R1-2*R2*img+R3);LSF = LSF + step*(Length + Penalty + RSFterm);#plt.imshow(s, cmap ='gray'),plt.show();return LSF;Image = cv2.imread(r'D:\Desktop\image-81.png',1);# Image = Image1[70:430,90:410]
# print(Image.shape)
image = cv2.cvtColor(Image,cv2.COLOR_BGR2GRAY)
# print(image.shape)
img = np.float64(image)
# print(img[:,250])
# print(img.shape)#Kernel
sig=3;
kernel = np.ones((sig*4+1,sig*4+1),np.float64)/(sig*4+1)**2;IniLSF = np.ones((img.shape[0],img.shape[1]),img.dtype);
# print(IniLSF.shape)
# IniLSF[200:300,200:300]= -1;
IniLSF[235:236,209:210]= -1;
print(IniLSF)
# print(IniLSF[:,55])
IniLSF=-IniLSF;
####################################################################################
#
# Image = cv2.cvtColor(Image,cv2.COLOR_BGR2RGB);
# plt.figure(1);
# DrawContour(IniLSF,'r',2); # Draw contour# print(Image.shape)
# b = Image[:, :, 0]
# g = Image[:, :, 1]
# r = Image[:, :, 2]# img_array = np.asarray(b)
# print("输出图像数组：",img_array)
# print("数组形状：",img_array.shape)
#
# r.show()
# for j in range(300):# print(b.shape)# print(b.getpixel((150,j)))# im = Image.shape[2]##########################################################################################mu = 1;
nu = 0.003 * 255 * 255;
num = 50;
epison = 1;
step = 0.1;
lambda1=lambda2=1;
LSF=IniLSF;for i in range(1,num):LSF = RSF(LSF, img, mu, nu, epison,step,lambda1,lambda2,kernel);if i % 5 == 0:    DrawContour(LSF,'r',2);plt.show()
cv2.imshow("tx",LSF)
cv2.waitKey(0)print(LSF.shape)
print(LSF[:,280])

用于医学图像分割,自己跑一下效果一般,还需要改改,加些预处理.

李纯明博士的RSF算法源码.水平集医学图像分割相关推荐

[unity3d]recast navigation navmesh 导航网格寻路算法源码分析
recast navigation navmesh导航网格算法源码分析 Author: 林绍川 recast navigation navmesh是unity3d ue4内置的寻路算法本文为了方便 ...
基于新唐M0的XXTEA加密解密算法源码
源:基于新唐M0的XXTEA加密解密算法源码 /*--------------------------------------------------------------------------- ...
[转] GIS算法源码集合
其他GIS相关代码下载索引 http://www.mygis.com.cn/codeindex10.htm 1．深度优先实现的路径分析源码 http://www.mygis.com.cn/codes/ ...
机器学习算法源码全解析（三）-范数规则化之核范数与规则项参数选择
前言参见上一篇博文,我们聊到了L0,L1和L2范数,这篇我们絮叨絮叨下核范数和规则项参数选择.知识有限,以下都是我一些浅显的看法,如果理解存在错误,希望大家不吝指正.谢谢. 机器学习算法源码全解析( ...
Learning to Rank中Pointwise关于PRank算法源码实现
[学习排序] Learning to Rank中Pointwise关于PRank算法源码实现标签: 学习排序PRankPointwiseLearning to Rank代码实现 2015-01-28 ...
超像素SLIC算法源码阅读
超像素SLIC算法源码阅读超像素SLIC算法源码阅读 SLIC简介源码阅读实验结果其他超像素算法对比超像素SLIC算法源码阅读 SLIC简介 SLIC的全称Simple Linear Ite ...
Java自动计算迷宫正确路线算法源码
简介: Java自动计算迷宫正确路线算法源码,首先迷宫需要满足存在开始标识和结束标识与墙标识,然后设置好行数与列数就可以开始计算正确路线了,采用的是为二维数组然后走遍所有路线的方式. 网盘下载地址: ...
Metis异常检测算法源码概要
Metis异常检测算法源码概要算法源码目录算法层目录基于指数移动平均算法(EWMA) 孤立森林 xgboost gbdt 3-Sigma 多项式回归特征层目录拟合特征分类特征统计特征其 ...
LeGo-LOAM激光雷达定位算法源码阅读(二)
文章目录 1.featureAssociation框架 1.1节点代码主体 1.2 FeatureAssociation构造函数 1.3 runFeatureAssociation()主体函数 2.重 ...

李纯明博士的RSF算法源码.水平集医学图像分割

李纯明博士的RSF算法源码.水平集医学图像分割相关推荐

最新文章

热门文章