在opencv中使用轮廓检测检测视网膜图像中的视盘？

Question

我有下面的视网膜图像，我试图在视盘周围画一个圆圈（视网膜图像中的白色圆形）。以下是原始图像：

我应用了自适应阈值，然后是cv2.findcontour：

import cv2
def detectBlob(file):
    # read image
    img = cv2.imread(file)
    imageName = file.split('.')[0]
    # convert img to grayscale
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # do adaptive threshold on gray image
    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 101, 3)

    # apply morphology open then close
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
    blob = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (20,20))
    blob = cv2.morphologyEx(blob, cv2.MORPH_CLOSE, kernel)

    # invert blob
    blob = (255 - blob)

    # Get contours
    cnts,hierarchy = cv2.findContours(blob, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

        # write results to disk
    result = img.copy()
    cv2.drawContours(result, cnts, -1, (0, 0, 255), 3)
    cv2.imwrite(imageName+"_threshold.jpg", thresh)
    cv2.imwrite(imageName+"_blob.jpg", blob)
    cv2.imwrite(imageName+"_contour.jpg", result)

detectBlob('16.png')

以下是阈值的外观：

以下是等高线的最终输出：

理想情况下，我正在寻找这样的输出：

Answer 1

自适应阈值失败，因为过滤器大小太小。虽然我们没有弄清楚，背景中的波是非常令人不安的

通过将图像分辨率降低16倍并应用范围为99x99的自适应滤波器，我获得了一个有趣的结果

Answer 2

你需要确定更大的结构。理想情况下，您需要一个大小约为光盘半径1/4的结构，以平衡结果和处理时间（使用更大的尺寸进行试验，直到可以接受为止）

或者你可以减少图像的采样（降低分辨率，使图片变小），这或多或少是一样的，即使你失去了光盘边界的精确性