python - 检测扫描图像中的疟疾细胞

Question

我使用疟疾扫描图像来对图像是否患有疟疾进行分类。数据集是从kaggle下载的。

我的准确率达到了 96% 以上。

现在，我想知道如何检测扫描图像中的细胞。我需要指出图像中的疟疾细胞或绘制疟疾细胞的轮廓。

包含疟疾细胞的示例图像

如何实现这个问题的检测？

Answer 1

如果我假设您想在图像中找到深紫色，那么这是使用 Python/OpenCV/Numpy/Sklearn 来实现的一种方法。

• 读取不带 Alpha channel 的输入图像以删除文本引用线
• 使用 3 种颜色进行 kmeans 颜色分割(返回:黑色、浅紫色、深紫色)。我使用 Sklearn，因为它对我来说更简单一些。但您也可以使用 OpenCV 来做到这一点。
• 对深紫色进行彩色图像阈值处理
• (如果需要的话添加一些形态，尽管我在这里没有使用它)
• 获取所有轮廓和最大轮廓(单独)
• 保存生成的图像

输入:

import cv2
import numpy as np
from sklearn import cluster

# read image
image = cv2.imread("purple_cell.png")
h, w, c = image.shape

# convert image to float in range 0-1 for sklearn kmeans
img = image.astype(np.float64)/255.0

# reshape image to 1D
image_1d = img.reshape(h*w, c)

# compute kmeans for 3 colors
kmeans_cluster = cluster.KMeans(n_clusters=3)
kmeans_cluster.fit(image_1d)
cluster_centers = kmeans_cluster.cluster_centers_
cluster_labels = kmeans_cluster.labels_

# need to scale back to range 0-255
newimage = (255*cluster_centers[cluster_labels].reshape(h, w, c)).clip(0,255).astype(np.uint8)

# Set BGR color ranges
lowerBound = np.array([170,90,120]);
upperBound = np.array([195,110,140]);

# Compute mask (roi) from ranges in dst
thresh = cv2.inRange(newimage, lowerBound, upperBound);

# get largest contour and all contours
contours = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contours = contours[0] if len(contours) == 2 else contours[1]
area_thresh = 0
result1 = image.copy()
for c in contours:
    cv2.drawContours(result1, [c], -1, (0, 255, 0), 1)
    area = cv2.contourArea(c)
    if area > area_thresh:
        area_thresh=area
        big_contour = c

# draw largest contour only
result2 = image.copy()
cv2.drawContours(result2, [big_contour], -1, (0, 255, 0), 1)


cv2.imshow('image', image)
cv2.imshow('newimage', newimage)
cv2.imshow('thresh', thresh)
cv2.imshow('result1', result1)
cv2.imshow('result2', result2)
cv2.waitKey()

cv2.imwrite('purple_cell_kmeans_3.png', newimage)
cv2.imwrite('purple_cell_thresh.png', thresh)
cv2.imwrite('purple_cell_extracted1.png', result1)
cv2.imwrite('purple_cell_extracted2.png', result2)

Kmeans图像:

阈值图像:

所有轮廓图像:

最大轮廓图像: