clahe，如何應(yīng)用Python處理醫(yī)學(xué)影像學(xué)中的DICOM信息

來源：整理時(shí)間：2024-10-01 22:05:47 編輯：智能門戶手機(jī)版

1，如何應(yīng)用Python處理醫(yī)學(xué)影像學(xué)中的DICOM信息

調(diào)試開始后，調(diào)試控制臺(tái)的最下面一行不是可以交互調(diào)試嘛這還不爽的話，launch.json里加一個(gè)`python -i`！

如何應(yīng)用Python處理醫(yī)學(xué)影像學(xué)中的DICOM信息

2，如何對(duì)hsi圖像進(jìn)行clahe

HSI是用來做處理的中間顏色模型，因?yàn)樗咏说囊曈X系統(tǒng)，可以很直觀的做出相應(yīng)處理。比如亮度增強(qiáng)（I分量調(diào)節(jié)），亮度均衡等等。處理結(jié)束后應(yīng)該轉(zhuǎn)化為RGB然后顯示。因?yàn)閕mshow/image等內(nèi)建函數(shù)并沒有直接顯示HSI的map。

我不會(huì)~~~但還是要微笑~~~：）

如何對(duì)hsi圖像進(jìn)行clahe

3，python報(bào)錯(cuò)求解

cv2 沒有 createCLAHE 屬性

a[x] >= c 是一個(gè)表達(dá)式，返回的是這個(gè)表達(dá)式的結(jié)果，即一個(gè) bool 類型的對(duì)象[].extend 方法接受的參數(shù)是可迭代的（iterable）對(duì)象，例如：a = [1,2,3]b = [4,5,6]a.extend(b) # a=[1, 2, 3, 4, 5, 6]樓主此處應(yīng)該用 append 方法使用列表解析是最pythonic的解法，也是效率最高的b = [x for x in a if x >= c]

python報(bào)錯(cuò)求解

4，opencv中有沒有提供限制對(duì)比度的自適應(yīng)直方圖均衡化

1.CLAHE簡(jiǎn)介 HE直方圖增強(qiáng)，大家都不陌生，是一種比較古老的對(duì)比度增強(qiáng)算法，它有兩種變體：AHE和CLAHE；兩者都是自適應(yīng)的增強(qiáng)算法，功能差不多，但是前者有一個(gè)很大的缺陷，就是有時(shí)候會(huì)過度放大圖像中相同區(qū)域的噪聲，為了解決這一問題，出現(xiàn)了HE的另一種改進(jìn)算法，就是CLAHE；CLAHE是另外一種直方圖均衡算法，能有效的增強(qiáng)或改善圖像（局部）對(duì)比度，從而獲取更多圖像相關(guān)邊緣信息有利于分割，比如在書架識(shí)別系統(tǒng)中的書脊切割中，使用CLAHE可以比傳統(tǒng)的直方圖增強(qiáng)方法達(dá)到更好的增強(qiáng)書脊邊界直線的效果，從而有利于后續(xù)的書脊邊界直線的檢測(cè)和提取。還能夠有效改善AHE中放大噪聲的問題，雖然在實(shí)際中應(yīng)用不多，但是效果確實(shí)不錯(cuò)。另外，CLAHE的有一個(gè)用途是被用來對(duì)圖像去霧，跟何凱明的暗通道去霧效果有的一拼。 CLAHE和AHE的區(qū)別在于前者對(duì)區(qū)域?qū)Ρ榷葘?shí)行了限制，并且利用插值來加快計(jì)算。 2.CLAHE在OpenCV中的使用 2.1 增強(qiáng)灰度圖像 [cpp] view plain copy Ptr<cv::CLAHE> clahe = createCLAHE(); clahe->setClipLimit(clipLimit); clahe->apply(src, dst); 2.2 增強(qiáng)彩色圖像 [cpp] view plain copy vector<Mat> BGR; split(src,BGR); Ptr<cv::CLAHE> clahe = createCLAHE(); clahe->apply(BGR[0],BGR[0]); clahe->apply(BGR[1],BGR[1]); clahe->apply(BGR[2],BGR[2]); Mat res; merge(BGR,res);