在拍摄脊柱或胸片时,经常会遇到因设备高度不够需要分段拍摄的情况,
对于影像科诊断查阅影像时希望将分段影像合并成一张影像,有助于更直观的观察病灶,
以下图为例的两个分段影像:
我们使用OpenCVSharp中的Stitcher类的Stitch方法,导入两张图像并拼接:
但结果却失败了,返回错误结果:ERR_NEED_MORE_IMGS,是由于医学影像的特征点匹配不够,导致无法确定对接点。
一幅图中总存在着一些独特的像素点,这些点我们可以认为就是这幅图的特征,即为特征点
获取一幅图中存在的一些独特的像素点,需要解决两个问题:
- 解决尺度不变性问题,不同大小的图片获取到的特征是一样的
- 提取到的特征点要稳定,能被精确定位
可参考本系列文章:C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路
根据算法原理得到如下结果:
Sobel算子:
根据算法原理得到如下结果:
其中直观区别是canny算子计算的结果清晰,但不连续,容易受噪点影响,而sobel算子线条相对柔和,连续性强。
⑤背景降噪
进行一次手动背景降噪,使得展现的无用边缘更少,结果更清晰:
经过上述的一系列处理步骤后我们再次合并拼接:
Mat srcImg1 = imgList1[0]; Mat srcImg2 = imgList1[1]; Mat[] images = new Mat[] { srcImg1, srcImg2}; Stitcher stitcher = Stitcher.Create(Stitcher.Mode.Panorama); Mat pano = new Mat(); var status = stitcher.Stitch(images, pano); if (status != Stitcher.Status.OK) { ShowMsg.Box("拼接异常(" + status.ToString() + "),请重试。", BoxType.Msg, 120, this); return; }
得到了正确的结果:
原文链接:https://www.cnblogs.com/Uncle-Joker/p/17373754.html
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:C#处理医学影像(四):基于Stitcher算法拼接人体全景脊柱骨骼影像 - Python技术站