简明代码实现Unet眼底图像血管分割

2024-07-10 05:02| 来源: 网络整理| 查看: 265

项目工程文件结构如下：在这里插入图片描述参考了Retina_Unet项目，决定自己用代码来实现一遍，数据增强不是像Retina_Unet那样随机裁剪，而是将20个训练数据集按顺序裁剪，每张裁剪成48x48大小的144个patch，20张一共裁剪出2880个patch。

Unet模型：模型输入的张量形状为（Npatch,1,48,48），输出为（Npatch,2304,2）。Npatch表示训练集的样本数，本例中训练时为2880，预测时为144。训练：把原作者代码中的SGD改为Adam，效果有提升。预测：也需要先把待预测图像分割成48×48的小图，输入模型，然后把结果整理还原为完整图像，再和专家标注结果进行对比。代码中以测试集第一张图片为例，可自行修改为其他眼底图片路径。

util.py import numpy as np import cv2 import os from PIL import Image def read_image_and_name(path): imgdir = os.listdir(path) imglst = [] imgs = [] for v in imgdir: imglst.append(path + v) imgs.append(cv2.imread(path + v)) print(imglst) print('original images shape: ' + str(np.array(imgs).shape)) return imglst,imgs def read_label_and_name(path): labeldir = os.listdir(path) labellst = [] labels = [] for v in labeldir: labellst.append(path + v) labels.append(np.asarray(Image.open(path + v))) print(labellst) print('original labels shape: ' + str(np.array(labels).shape)) return labellst,labels def resize(imgs,resize_height, resize_width): img_resize = [] for file in imgs: img_resize.append(cv2.resize(file,(resize_height,resize_width))) return img_resize #将N张576x576的图片裁剪成48x48 def crop(image,dx): list = [] for i in range(image.shape[0]): for x in range(image.shape[1] // dx): for y in range(image.shape[2] // dx): list.append(image[ i, y*dx : (y+1)*dx, x*dx : (x+1)*dx]) #这里的list一共append了20x12x12=2880次所以返回的shape是(2880,48,48) return np.array(list) # 网络预测输出转换成图像子块 # 网络预测输出 size=[Npatches, patch_height*patch_width, 2] def pred_to_imgs(pred, patch_height, patch_width, mode="original"): assert (len(pred.shape)==3) #3D array: (Npatches,height*width,2) assert (pred.shape[2]==2 ) #check the classes are 2 # 确认是否为二分类 pred_images = np.empty((pred.shape[0],pred.shape[1])) #(Npatches,height*width) if mode=="original": # 网络概率输出 for i in range(pred.shape[0]): for pix in range(pred.shape[1]

【本文地址】

公司简介

联系我们