机器视觉第八次实验
一、实验目的
通过OpenCV第八次进行实验，对图片进行医学处理。
二、实验内容
对图片进行医学处理。
三、实验过程
我使用的是python语言+openCV对图片进行医学处理的功能。实验过程我们需要导入的库有import cv2；from skimage import morphology, io；import matplotlib.pyplot as plt
1）读取图片
我们采用直接读取图片并直接将其灰度化，使用imread()函数读取图片，
代码实例：
img = cv2.imread("vas0.bmp",0)
cv2.imshow("img",img)
cv2.waitKey()
图3.1图片读取
2）阈值分割
使用adaptiveThreshold()函数进行计算：
实例代码：
#阈值分割
th=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,2)
cv2.imshow('th', th)
cv2.waitKey(0)
图3.2阈值分割后的图片
3）图片反色
输入的代码：
#图像反色
img1=th.copy()
cv2.threshold(th,80,255,0,th)for i inrange(0,th.shape[0]):for j in range(0,th.shape[1]):
img1[i,j]= 255-th[i,j]#cv2.imshow("img1",img1)
#cv2.waitKey(0)
plt.imshow(img1,cmap=plt.cm.gray)
plt.axis('off')
plt.show()
图3.3反色后的图片
4）图像扩展
实例代码：
#图像扩展
img2= cv2.copyMakeBorder(img1,1,1,1,1,cv2.BORDER_REFLECT)
plt.imshow(img2,cmap=plt.cm.gray)
plt.axis('off')
plt.show()
图3.4扩展后的图像
5）去除图片较小面积的区域并保存
实例代码：
#去除较小面积的区域
img3= morphology.remove_small_holes(th,200)
plt.imshow(img3,cmap=plt.cm.gray)
plt.axis('off')
plt.show()
图3.5.1去除较小面积的区域（1）
img3 = morphology.remove_small_holes(th,1000)
plt.imshow(img3, cmap=plt.cm.gray)
plt.axis('off')
plt.savefig("jpg")
plt.show()
图3.5.2去除较小面积的区域（2）
6）细化图片
实例代码：
image = cv2.imread("jpg.png")#实施骨架算法
image1=morphology.skeletonize(image)#显示结果
plt.imshow(image1)
plt.axis('off')
plt.show()
7）边缘检测
实例代码：
#边缘检测
image2= cv2.Canny(image,80,255)
cv2.imshow("image2",image2)
cv2.waitKey(0)
图3.7边缘检测的图片
8）图片反色
实例代码：
#图片反色
image3=image2.copy()for i inrange(0,image2.shape[0]):for j in range(0,image2.shape[1]):
image3[i,j]= 255-image2[i,j]
cv2.imshow("image3",image3)
cv2.waitKey(0)
图3.8图片反色
四、实验中的错误
1）安装我们所需要的库，不然会报错，我首先使用pip install skimage，这样安装出来的会报错；
图4.1.1安装scikit-image库出错案例
百度了一下以后我发现这个库的大名是叫scikit-image，我们就使用pip install scikit-image。
图4.1.2解决安装scikit-image库出错的问题
五、实验总结
学习了OpenCV的医学处理技术，提升了自己的能力。
