Я пытаюсь провести анализ изображения по чьей-то индурации (красному пятну переменного размера на коже) после прохождения теста на туберкулез, чтобы точно определить размер.
В настоящее время я использую NodeJS в качестве бэкэнда / веб-сервера, предоставляющего интерфейс панели мониторинга и помещающего изображения в скрипт Python, который использует OpenCV, чтобы взять самый левый объект и заданный аргумент эталонного размера, например 0,955 дюйма, на четвертьи использовать эту шкалу для измерения других обнаруженных объектов, таких как индурация.
Проблема, с которой я сталкиваюсь, заключается в том, что красное пятно (уплотнение) не определяется должным образом, а четверть (контрольный объект).Я сделал дрянное исправление, нарисовав линию вокруг индурации и перезапустив программу, и, очевидно, на этот раз она правильно распознала индурацию с правильным размером.
Поскольку это не курс по анализу изображений, и я действительноПонятия не имею, как оптимизировать эту программу, которую я пытался выяснить, чтобы предоставить пользователю интерфейс для обозначения индурации, такой как круг с изменяемым размером, который они могли бы плотно расположить вокруг своей индурации.
Я не видел примеров, чтобы сделать это напрямую, используя функциональность getUserMedia () на клиентской стороне JS, и интересовался, как это сделать или посмотреть, существует ли уже какая-то библиотека, которая может помочь с этим.Другим вариантом было бы для пользователя сделать снимок с индурацией и четвертью, а затем на следующем шаге теста на приборной панели пользователь может каким-то образом нарисовать свое изображение (обвести быстрый круг вокруг индурации).
Я видел только способы статического рисования чего-либо на холсте без динамического изменения размера и перетаскивания объекта поверх изображения.
Оцените любой ввод
РЕДАКТИРОВАТЬ: Это является образцом изображения.
Вот код в настоящее время:
from __future__ import print_function
from scipy.spatial import distance as dist
from imutils import perspective
from imutils import contours
#from mysql.connector import errorcode
from datetime import date, datetime, timedelta
import numpy as np
import argparse
import imutils
import cv2
#import mysql.connector
import os
# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
help="path to the input image")
ap.add_argument("-w", "--width", type=float, required=True,
help="width of the left-most object in the image (in inches)")
ap.add_argument("-u", "--user", required=True,
help="Username of ")
args = vars(ap.parse_args())
# load the image, convert it to grayscale, and blur it slightly
image = cv2.imread(args["image"])
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (7, 7), 0)
# perform edge detection, then perform a dilation + erosion to
# close gaps in between object edges
edged = cv2.Canny(gray, 50, 100)
edged = cv2.dilate(edged, None, iterations=1)
edged = cv2.erode(edged, None, iterations=1)
# find contours in the edge map
cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
# sort the contours from left-to-right and initialize the
# 'pixels per metric' calibration variable
(cnts, _) = contours.sort_contours(cnts)
pixelsPerMetric = None
countourCount = 0
# loop over the contours individually
for c in cnts:
# if the contour is not sufficiently large, ignore it
if cv2.contourArea(c) < 200:
continue
countourCount=countourCount+1
print(countourCount)
if countourCount == 1:
print('This is the scaling reference, should be: '+ str(args["width"]))
# compute the rotated bounding box of the contour
orig = image.copy()
box = cv2.minAreaRect(c)
box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
box = np.array(box, dtype="int")
# order the points in the contour such that they appear
# in top-left, top-right, bottom-right, and bottom-left
# order, then draw the outline of the rotated bounding
# box
box = perspective.order_points(box)
cv2.drawContours(orig, [box.astype("int")], -1, (0, 255, 0), 2)
# loop over the original points and draw them
for (x, y) in box:
cv2.circle(orig, (int(x), int(y)), 5, (0, 0, 255), -1)
# unpack the ordered bounding box, then compute the midpoint
# between the top-left and top-right coordinates, followed by
# the midpoint between bottom-left and bottom-right coordinates
(tl, tr, br, bl) = box
print(box)
(tltrX, tltrY) = midpoint(tl, tr)
(blbrX, blbrY) = midpoint(bl, br)
# compute the midpoint between the top-left and bottom-left points,
# followed by the midpoint between the top-righ and bottom-right
(tlblX, tlblY) = midpoint(tl, bl)
(trbrX, trbrY) = midpoint(tr, br)
# draw the midpoints on the image
cv2.circle(orig, (int(tltrX), int(tltrY)), 5, (255, 0, 0), -1)
cv2.circle(orig, (int(blbrX), int(blbrY)), 5, (255, 0, 0), -1)
cv2.circle(orig, (int(tlblX), int(tlblY)), 5, (255, 0, 0), -1)
cv2.circle(orig, (int(trbrX), int(trbrY)), 5, (255, 0, 0), -1)
# draw lines between the midpoints
cv2.line(orig, (int(tltrX), int(tltrY)), (int(blbrX), int(blbrY)),
(255, 0, 255), 2)
cv2.line(orig, (int(tlblX), int(tlblY)), (int(trbrX), int(trbrY)),
(255, 0, 255), 2)
# compute the Euclidean distance between the midpoints
dA = dist.euclidean((tltrX, tltrY), (blbrX, blbrY))
dB = dist.euclidean((tlblX, tlblY), (trbrX, trbrY))
# if the pixels per metric has not been initialized, then
# compute it as the ratio of pixels to supplied metric
# (in this case, inches)
if pixelsPerMetric is None:
pixelsPerMetric = dB / args["width"]
# compute the size of the object
dimA = dA / pixelsPerMetric
dimB = dB / pixelsPerMetric
# draw the object sizes on the image
cv2.putText(orig, "{:.1f}in".format(dimA),
(int(tltrX - 15), int(tltrY - 10)), cv2.FONT_HERSHEY_SIMPLEX,
0.65, (255, 255, 255), 2)
cv2.putText(orig, "{:.1f}in".format(dimB),
(int(trbrX + 10), int(trbrY)), cv2.FONT_HERSHEY_SIMPLEX,
0.65, (255, 255, 255), 2)
# show the output image
cv2.imshow("Image", orig)
cv2.imwrite(os.path.join('/Users/Ooga/Desktop/Skin-Analyzer/pythonServer/components/'+str(args["user"]) , 'component'+str(countourCount)+'.jpg'), orig)
cv2.waitKey(0)
# Make sure data is committed to the database
# cnx.commit()