DICOM图像分割难题：噪声环境下模糊大正方形检测

我正在处理DICOM文件的图像分割任务，需要区分图像中的不同区域，但受噪声影响，难以识别出模糊的大正方形区域。

现有代码 #

import pydicom
import matplotlib.pyplot as plt
import numpy as np

from skimage.filters import threshold_multiotsu
# Use the image instead, as I dont know how to share the dicom file
#(which might also have information I wouldnt want to share)
ds = pydicom.dcmread("file.dcm")
image = ds.pixel_array

#Is this the correct way to convert to 8bit from 16bit?
image =(image / 65535 * 255).astype(np.uint8)

thresholds = threshold_multiotsu(image, classes=4)

regions = np.digitize(image, bins=thresholds)

plt.imshow(regions)
plt.show()

尝试情况与问题 #

• 上述代码未加入轮廓检测，因为该方法会检测出过多冗余轮廓，无法有效绘制。
• 考虑过采用多数投票或区域模糊处理，但对图像分割技术并不熟悉。
• 核心需求是检测大正方形区域，另外两个小正方形用其他方法较易识别。
• 已尝试Canny边缘检测、普通阈值分割、自适应阈值分割，其中multiotsu阈值分割效果最佳，能识别出两个小正方形，但针对大正方形的处理仍不理想，即使尝试高斯模糊也无明显改善。

内容的提问来源于stack exchange，提问作者Thanos Tsalas