《心脏造影血管提取.docx》由会员分享，可在线阅读，更多相关《心脏造影血管提取.docx（4页珍藏版）》请在第壹文秘上搜索。
1、目的：通过造影视频提取出完整的血管轮廓测试文件：左4.avi测试结果：输出处理视频文件：碰到的问题与部分解决方案：1 .二值化时的阈值选择问题在使用OTSU全局二值化时，发现结果并不理想。考虑到造影时的试齐I、仪器等多方面的影响，其灰度图像并无统一的灰度区分标准，在此选择尽量调低阈值，避免部分血管由于阈值设置被漏化。但由此在二值化后的图像中产生了较多的非血管内容干扰项，需要在后续处理中去除。图片为综合多次阈值设置后得到的较好的一次二值化图像，但发现血管个别部位依旧出现了“断层”等现象，由于夹杂着小型的斑点噪声，在滤波去除噪声时也容易使血管被截断，出现较大的误差。查阅相关资料得，在医学图像的二值
2、化处理时，一般采用的是adaptiVeThreshold函数进行自适应分割，优势是血管能够较好的被保存下来，但同时带入了更多的噪声处理项：2 .图像噪声去除经过上述方法得到的图像具有很多小区域的噪声点需要去除，此时采用了之前学习到的cv2.InorphologyEx函数对小型白色区域进行滤波处理，但效果不佳。Morph_open操作中的膨胀反倒扩张了一些白色小点，使得图像看起来更加不精确：故在此，考虑从目的一-即去除小面积上入手，计算图像中连接区域的面积，直接强制将图像储存元组中的对应部位归为背景色。引入两个新函数findContours寻找连接区域ContourArea计算连接区域面积H!
3、Raw Image-可以观察到图像已经取得了较好的效果，但不难发现右侧与左侧存在着三块不是血管的区域，且由于面积较大无法通过前述步骤去除，在此,考虑通过保存图像中最大连续区域的方式去除该项:本图为所有帧中取得的最好效果的一张。同时发现机械的保留最大连续区域并不能解决该问题，反而导致了如下几种问题:如图，左侧未知区域的白色由于处在面积最大的状态，故该思路反倒导致删除了应该保留的血管区域。并且，由于无法保证每一帧的所有血管均不出现“断”的现象，该算法的实施会导致该部分血管直接被删除，故摒弃保留最大值思路。3.Bug讨论:（1）上述算法运行过程中，有个别帧会出现噪声无法去除现象:刚开始思考可能是由于
4、特别细微的部分使得图像整体白色区域被连接在一起，图像中没有实际上的小区域。但仔细分析发现并不合理，这些帧更像是没有经过处理一样。暂不知导致原理。（2）输出的视频文件无法打开无法播放此文件无法播放.这可能是因为文件类型不受支持、文件扩展名不正确或文件已损坏.OxclOlOObe发送反馈未解决：怀疑是编码方式默认播放器不支持：尝试更换视频播放器失败，尝试通过python直接读取视频信息失败。怀疑视频保存过程出错,修改fourcc编码方式,失败,通过cap.get、cv2.CAPPRoPjPS获取视频尺寸与原视频FPS再次进行储存，失败。OOO暂不清楚何故无法保存视频。4.改进问题：针对上文2处提到的较大静止区域的滤除，如何从运动帧中判别运动对象整体进行提炼，或者判别静止对象整体进行删除？目前还未想到较好的思路解决或许可以从光流算法的原理入手？
