import time
import copy
import os
import glob
import numpy as np
import pandas as pd
import cv2
#複数の画像にHSV条件による画像の削減を行い削減後の画像を保存
# ※simplemain()の引数を設定して使用するとできる
def jugde_bleeding_hsv(img, h_low=20, h_high=200, s_low=120, v_low=5, opening_noise_removing=True, opening_kernel=5, height=512, width=512):
'''
height×widthのカラー内視鏡画像(numpy.ndarray)一枚に対しHSV条件に当てはまる画素数を返す
流れ：HSV条件に当てはまる座標の取得⇒(オープニング処理でノイズ除去)⇒条件に当てはまる座標の個数(red_area_px)と条件に当てはまる画素を白にしたサイズがheight×widthの画像(red_area)を返す
'''
img_hsv = copy.deepcopy(img)
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV_FULL)
red_area = np.zeros((height, width, 1), dtype=np.uint8)
# 条件に当てはまるとき、red_area(真っ黒な画像)のその領域を255にする
red_area[:,:,0] = np.where((img_hsv[:,:,0]>=h_low) & (img_hsv[:,:,0]<=h_high) & (img_hsv[:,:,1]>=s_low) & (img_hsv[:,:,2]>=v_low), 255, 0)
if opening_noise_removing:
# 出血判定した領域にオープニング処理することで小さい領域を消去
kernel = np.ones((opening_kernel, opening_kernel),np.uint8)
red_area = cv2.morphologyEx(red_area, cv2.MORPH_OPEN, kernel)
else:
red_area = np.reshape(red_area, (height, width))
# 全出血領域の画素数の合計
red_area_px = cv2.countNonZero(red_area)#ほぼ0s
return red_area_px, red_area
def simplemain(png_path='data_all_red/angio_bleeding', out_path='', h_low=0, h_high=15, s_low=205, v_low=156, range360degree_100percent=True, opening_noise_removing=True, opening_kernel=5, height=512, width=512, stat_area=300, source_save=False, r_display=0, g_display=255, b_display=0):
'''
height×widthのカラー内視鏡画像に対しHSV条件に当てはまる画像を保存
(保存先：out_path/png_path/-h-_-s_-v(_360degree100percent_opening_kernel-)/.png)
args
png_path:HSV条件を適用させる画像が入ったフォルダ
out_path:HSV適用後の画像を保存するフォルダ
h_low, h_high: "□<=H<=□" の□の部分の条件
s_low: "□<=S" の□の部分の条件
v_low: "□<=V" の□の部分の条件
range360degree_100percent:True ⇒ h_low, h_high, s_low, v_lowの条件で範囲をhが0-360°,sとvが0-100%とするとき
False ⇒ h_low, h_high, s_low, v_lowの条件で範囲を0-255とするとき(cv2.cvtColorで引数がcv2.COLOR_BGR2HSV_FULL)
opening_noise_removing:True ⇒ HSV条件適用後にオープニング処理によるノイズ除去をする
opening_kernel:opening_noise_removingがTrueのときのみ使用。オープニング処理のカーネルサイズ
height, width:入力画像サイズ
stat_area:これ未満の領域の面積は削除される
source_save:True ⇒ HSV条件に当てはまるときその元画像を保存
r_display, g_display, b_display:HSV条件に当てはまる部分を何色にするか
'''
pngpath_name = glob.glob(f'{png_path}/*.png')
pngpath_name_only = [os.path.splitext(os.path.basename(p))[0] for p in pngpath_name]
outpath_only = os.path.splitext(os.path.basename(png_path))[0]
if opening_noise_removing:
if range360degree_100percent:
outpath_save = os.path.join(out_path, png_path, f'{h_low}h{h_high}_{s_low}s_{v_low}v_360degree100percent_opening_kernel{opening_kernel}')
else:
outpath_save = os.path.join(out_path, png_path, f'{h_low}h{h_high}_{s_low}s_{v_low}v_opening_kernel{opening_kernel}')
else:
if range360degree_100percent:
outpath_save = os.path.join(out_path, png_path, f'{h_low}h{h_high}_{s_low}s_{v_low}v_360degree100percent')
else:
outpath_save = os.path.join(out_path, png_path, f'{h_low}h{h_high}_{s_low}s_{v_low}v')
os.makedirs(outpath_save, exist_ok=True)
if source_save:
os.makedirs(os.path.join(outpath_save, f'source'), exist_ok=True)
if range360degree_100percent:#Hが0-360°でSとVが0-100%の範囲を0-255にする
print(f'({h_low}≦H≦{h_high}[°], {s_low}≦S[%], {v_low}≦V[%])pixels, each areas＜{stat_area}')
h_low = 255*h_low/360
h_high = 255*h_high/360
s_low = 255*s_low/100
v_low = 255*v_low/100
else:
print(f'({360*h_low/255}≦H≦{360*h_high/255}[°], {100*s_low/255}≦S[%], {100*v_low/255}≦V[%])pixels, each areas＜{stat_area}')
start_ = time.time()
for i in range(0,len(pngpath_name)):
# 出血判定したい画像の読み込み
img = cv2.imread(pngpath_name[i])
for_red_area = copy.deepcopy(img)
red_area_px, red_area = jugde_bleeding_hsv(for_red_area, h_low=h_low, h_high=h_high, s_low=s_low, v_low=v_low, opening_noise_removing=opening_noise_removing, opening_kernel=opening_kernel, height=height, width=width)
retval, labels, stats, _ = cv2.connectedComponentsWithStats(red_area)#ラベル数、ラベリング結果、各ラベルの構造情報(左上の x 座標, 左上の y 座標, 幅, 高さ, 面積)、重心
if red_area_px>=stat_area:#なくてもいいが処理の回数を減らし実行時間が少し早くなる（特にopeningなしだと）
count_small_area_num = 0 #閾値未満の領域の個数
for k, row in enumerate(stats):
##一画像内の領域の個数とその情報
#print(f"label {i}")#i番目の領域(0番目は画像全体)
#print(f"* topleft: ({row[cv2.CC_STAT_LEFT]}, {row[cv2.CC_STAT_TOP]})")#i番目の領域の座標
#print(f"* size: ({row[cv2.CC_STAT_WIDTH]}, {row[cv2.CC_STAT_HEIGHT]})")#i番目の領域の幅と高さ
#print(f"* area: {row[cv2.CC_STAT_AREA]}")#i番目の領域の面積
if (row[cv2.CC_STAT_AREA]<stat_area) & (k!=0):#領域ごと閾値未満で黒塗
count_small_area_num += 1
red_area = np.where(labels[:] == k, 0, red_area)
count_area_num = (retval - 1) - count_small_area_num #領域数/1枚
if count_area_num>0:#領域の個数が1個以上の場合に画像を保存
img_res = copy.deepcopy(img)
img_res[:,:,1] = np.where(red_area!=0, g_display, img_res[:,:,1])
img_res[:,:,0] = np.where(red_area!=0, b_display, img_res[:,:,0])
img_res[:,:,2] = np.where(red_area!=0, r_display, img_res[:,:,2])
if source_save:
cv2.imwrite(f'{outpath_save}/source/{pngpath_name_only[i]}.png', img)#元画像
cv2.imwrite(f'{outpath_save}/{pngpath_name_only[i]}.png', img_res)##色条件⇒(オープニング)⇒領域ごとに閾値未満を消した画像
print(f'実行終了、色の条件による削減画像保存先:{outpath_save}\n\n所要時間:\n{time.time() - start_}s')
if __name__ == '__main__':
simplemain(png_path='data_all_red/angio_bleeding', out_path='', h_low=0, h_high=21, s_low=80, v_low=22, range360degree_100percent=True, opening_noise_removing=True, opening_kernel=5, height=512, width=512, stat_area=200, source_save=True, r_display=0, g_display=255, b_display=255)
#引数
#png_path:HSV条件を適用させる画像が入ったフォルダ
#out_path:HSV適用後の画像を保存するフォルダ
#h_low, h_high: "□<=H<=□" の□の部分の条件
#s_low: "□<=S" の□の部分の条件
#v_low: "□<=V" の□の部分の条件
#range360degree_100percent:True ⇒ h_low, h_high, s_low, v_lowの条件で範囲をhが0-360°,sとvが0-100%とするとき
# False ⇒ h_low, h_high, s_low, v_lowの条件で範囲を0-255とするとき(cv2.cvtColorで引数がcv2.COLOR_BGR2HSV_FULL)
#opening_noise_removing:True ⇒ HSV条件適用後にオープニング処理によるノイズ除去をする
#opening_kernel:opening_noise_removingがTrueのときのみ使用。オープニング処理のカーネルサイズ
#height, width:入力画像サイズ
#stat_area:これ未満の領域の面積は削除される
#source_save:True ⇒ HSV条件に当てはまるときその元画像を保存
#r_display, g_display, b_display:HSV条件に当てはまる部分を何色にするか
Datasets
Models
