Python OpenCV B型图和CEUS双幅图主体区域提取代码详解

以下是使用Python和OpenCV库来实现提取B型图与超声造影(CEUS)双幅图主体区域的示例代码：

import cv2
import numpy as np

# 读取原始图像
image = cv2.imread('image.jpg')

# 分割B型图和CEUS图
height, width, _ = image.shape
half_width = width // 2

b_mode = image[:, :half_width, :]
ceus_mode = image[:, half_width:, :]

# 对B型图和CEUS图进行主体区域提取
gray_b_mode = cv2.cvtColor(b_mode, cv2.COLOR_BGR2GRAY)
_, binary_b_mode = cv2.threshold(gray_b_mode, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

gray_ceus_mode = cv2.cvtColor(ceus_mode, cv2.COLOR_BGR2GRAY)
_, binary_ceus_mode = cv2.threshold(gray_ceus_mode, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 在原始图像上显示提取的主体区域
result = np.hstack((binary_b_mode, binary_ceus_mode))
cv2.imshow('Result', result)

# 显示原始图像方便对比
cv2.imshow('Original Image', image)

cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码的功能是读取一张含有B型图和CEUS图的原始图像，然后提取出双幅图的主体区域，并将提取后的区域显示出来。同时，为了方便对比，还显示了原始图像。

代码的具体解释如下：

首先导入OpenCV库和NumPy库。
读取原始图像，将其存储在image变量中。
获取图像的高度和宽度。
根据宽度的一半，将原始图像分割成B型图和CEUS图两部分。
将B型图转换为灰度图像。
使用Otsu阈值法对B型图进行二值化处理，得到主体区域的二值图像。
将CEUS图转换为灰度图像。
使用Otsu阈值法对CEUS图进行二值化处理，得到主体区域的二值图像。
将B型图和CEUS图的主体区域二值图像水平拼接起来，形成一幅新的图像，存储在result变量中。
使用cv2.imshow()函数显示提取的主体区域。
使用cv2.imshow()函数显示原始图像，方便对比。
使用cv2.waitKey(0)等待用户按下任意键停止显示。
最后，使用cv2.destroyAllWindows()关闭所有窗口。

请注意，你需要将代码中的image.jpg替换为你要处理的图像文件的路径。