最近要参照论文 基于深度学习的眼底图像血管分割方法研究_谢林培 复现一个小实验，用深度学习的方法分割识别眼底图像中的血管，数据下载了DRIVE眼底图像数据库中的数据。
DRIVE数据说明：
DRIVE 数据库是由 N iemeijer 等人收集而成，里面有 40 张彩色眼底图像，训练集和测试集各包含 20 张，图像尺寸均为 565×584（单位为像素）。此外，每一张彩色眼底图像都配有显示有效区域的二值图像 mask，另外训练集中还有对应的第一专家标注的眼底血管二值图（即第一专家结果），测试集中还有对应第一和第二两位专家标注的眼底血管二值图（即第一专家结果和第二专家结果）。
DRIVE眼底血管图像如下图所示：
为了便于网络处理，首先要对565*584的图像进行裁剪，并且选择图片的绿色通道来进行识别(绿色通道相对来说血管更清晰),选择以横向4个像素为一个步长，纵向5个像素为一个步长将图片裁剪为29*29的图像块，最终一个眼底图像可以得到15120个图像块，以下是操作流程：
#使用opencvhe numpy pillow
import cv2
import numpy as np
#读取眼底图像
image = cv2.imread('data/21_training.tif')
#得到图像的绿色通道
b, g, r = cv2.split(image)
cv2.imwrite('data/masked_g.tif',g)
from PIL import Image
im = Image.open('data/masked_g.tif')
# 进行图像裁剪，传入一个元组参数，元组里的元素分别是：（距离图片左边界距离x，
# 距离图片上边界距离y，距离图片左边界距离+裁剪框宽度x+w，距离图片上边界距离+裁剪框高度y+h）
x = 0
y = 0
w = 29
h = 29
#记录行数和列数
row = 0
col = 0
#纵向步长为5
for i in range(0,555+1,5):
row = row + 1
#横向步长为4
for j in range(0,536+1,4):
col = col + 1
#使用crop方法进行裁剪
region = im.crop((j, i, j + w, i + h))
region.save('result/1/%d_%d.tif'%(row,col))
print('图片%d_%d.tif裁剪成功'%(row,col))
col = 0
裁剪结果如下：
接下来再用逆向过程合成一下这些图像块，验证一下分割是否正确：
from PIL import Image
#新建一个图像，元组传入图像的宽和高
target = Image.new('L', (565, 584))
#读取图片
xi = 0
yi = 29
for i in range(1,113):
imagefile = []
if i == 1:
#读取第一行图片，第一个图片29*29,其余图片4*29
for j in range(1, 136):
if j == 1:
imagefile.append(Image.open('results/21/%d_1.tif' % i))
else:
imagefile.append(Image.open('results/21/%d_%d.tif' % (i,j)).crop((25, 0, 29, 29)))
#拼凑原图的第一行
x = 0
for n in range(len(imagefile)):
if n == 0:
target.paste(imagefile[0], (x, 0))
x = x + 29
else:
target.paste(imagefile[n], (x, 0))
x = x + 4
imagefile.clear()
else:
#读取2-112行图片，第一个图片29*5，其余图片4*5
for j in range(1, 136):
if j == 1:
imagefile.append(Image.open('results/21/%d_1.tif'%i).crop((0,24,29,29)))
else:
imagefile.append(Image.open('results/21/%d_%d.tif' % (i,j)).crop((25, 24, 29, 29)))
#拼凑
for n in range(len(imagefile)):
if n == 0:
target.paste(imagefile[0], (xi,yi))
xi = xi+29
else:
target.paste(imagefile[n], (xi,yi))
xi = xi+4
imagefile.clear()
xi = 0
yi = yi+5
target.save('results/21.tif', quality = 100)
完美合成原图，分割成功！
