python opencv如何分割血管

我正在尝试使用 Python 和 OpenCV 分割视网膜图像中的血管。这是原始图像：

理想情况下，我希望所有血管都像这样非常明显（不同的图像）：

这是我到目前为止所尝试过的。我拍摄了图像的绿色通道。

img = cv2.imread('images/HealthyEyeFundus.jpg')
b,g,r = cv2.split(img)

然后我尝试通过以下方式创建匹配的过滤器本文 http://funcvis.org/blog/?p=51这就是输出图像：

然后我尝试进行最大熵阈值处理：

def max_entropy(data):
    # calculate CDF (cumulative density function)
    cdf = data.astype(np.float).cumsum()

    # find histogram's nonzero area
    valid_idx = np.nonzero(data)[0]
    first_bin = valid_idx[0]
    last_bin = valid_idx[-1]

    # initialize search for maximum
    max_ent, threshold = 0, 0

    for it in range(first_bin, last_bin + 1):
        # Background (dark)
        hist_range = data[:it + 1]
        hist_range = hist_range[hist_range != 0] / cdf[it]  # normalize within selected range & remove all 0 elements
        tot_ent = -np.sum(hist_range * np.log(hist_range))  # background entropy

        # Foreground/Object (bright)
        hist_range = data[it + 1:]
        # normalize within selected range & remove all 0 elements
        hist_range = hist_range[hist_range != 0] / (cdf[last_bin] - cdf[it])
        tot_ent -= np.sum(hist_range * np.log(hist_range))  # accumulate object entropy

        # find max
        if tot_ent > max_ent:
            max_ent, threshold = tot_ent, it

    return threshold


img = skimage.io.imread('image.jpg')
# obtain histogram
hist = np.histogram(img, bins=256, range=(0, 256))[0]
# get threshold
th = max_entropy.max_entropy(hist)
print th

ret,th1 = cv2.threshold(img,th,255,cv2.THRESH_BINARY)

这是我得到的结果，显然没有显示所有血管：

我还尝试获取图像的匹配滤波器版本并获取其索贝尔值的大小。

img0 = cv2.imread('image.jpg',0)
sobelx = cv2.Sobel(img0,cv2.CV_64F,1,0,ksize=5)  # x
sobely = cv2.Sobel(img0,cv2.CV_64F,0,1,ksize=5)  # y
magnitude = np.sqrt(sobelx**2+sobely**2)

这使得船只更加突出：

然后我尝试了大津阈值处理：

img0 = cv2.imread('image.jpg',0)
# # Otsu's thresholding
ret2,th2 = cv2.threshold(img0,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(img0,(9,9),5)
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

one = Image.fromarray(th2).show()
one = Image.fromarray(th3).show()

大津没有给出足够的结果。最终结果中包含了噪音：

对于我如何成功分割血管的任何帮助，我们将不胜感激。

几年前，我从事视网膜血管检测工作，有多种方法可以实现：

• 如果你不需要最好的结果而是快速的结果，你可以使用定向开口，see here https://www.researchgate.net/publication/3327391_Segmentation_of_vessel-like_patterns_using_mathematical_morphology_and_curvature_evaluation and here http://cmm.ensmp.fr/Anciens/zana/.
• 然后你有另一个使用数学形态学的版本.

为了获得更好的结果，这里有一些想法：

• 就我个人而言，我使用了 Gabor 滤波器的组合，结果相当不错。看这里是驱动器第一张图像上的分割结果 http://www.thibault.biz/StackOverflow/RetinaVesselsGabor.png.
• And Gabor 可以与学习相结合以获得良好的结果 https://arxiv.org/pdf/cs/0510001.pdf, or here http://www.icmlc.org/icmlc2011/014_icmlc2011.pdf.
• 几年前，他们声称拥有最好的算法 https://www.researchgate.net/publication/5896442_Retinal_Blood_Vessel_Segmentation_Using_Line_Operators_and_Support_Vector_Classification，但我一直没有机会测试它。我对性能差距以及他们对线检测器结果进行阈值设置的方式表示怀疑，这有点晦涩难懂。
• 但我知道现在很多人尝试使用 CNN 来解决这个问题，但我还没有听说有重大改进。