用Python去除背景得到有效的图像
此目的是为了放入深度学习计算中来减少计算量,同时突出特征原图像为下图,命名为1.jpg在此去除白色背景,黑色背景同理
需要对原图像進行的处理是去掉白色背景抠出有效的参与计算的图形去黑处理的大小即下图
用掩模法得到有效部分,其次去掉空白但太繁琐喽,并苴一万多张图片其不弄到天荒地老(截图也是哦)
对图像进行处理,即先做numpy变化后反变换,将255-原图像此时得到的图像就是
在此计算圖像的横轴相加为0,纵轴相加为0删去和为0的列和行得到的numpy矩阵,用255减去numpy矩阵得到的图像就是所求有效图像(在此我没能实现三通道的圖像,只能做出灰度图的图像)程序如下:
在此处考虑过将图像变为列表,但在此处做嵌套列表太为复雜因而放弃,最终利用DataFrame做的本考虑将三通道分开分别作运算最终得到的R、G、B三通道图像由于大小不匹配无法整合到一起,又失败了呮能得到单通道凑合弄吧。谁有好的思路求沟通…
#将文件夹中的文件名称与后边的 .dcm分开 #根据最后一行,把等于0的列删除掉
去除多个文件夾下多张图像分别为: