不规则形状二值掩码厚度计算：哪种方法更可靠？附膝关节软骨实例

• 以上是膝关节软骨的二值掩码示例图，需要计算其厚度。

• 尝试了两种方法：

  1. 距离变换+骨架化方法，结果为6.18，代码如下：

     import cv2
     import numpy as np
     import skimage.morphology
     
     first_mask_image = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)
     
     # 阈值处理
     thresh = cv2.threshold(first_mask_image , 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
     
     # 距离变换
     distance = thresh.copy()
     distance = cv2.distanceTransform(distance, distanceType=cv2.DIST_L2, maskSize=5).astype(np.float32)
     
     # 骨架化（中轴提取）
     binary = thresh.copy()
     binary = binary.astype(np.float32) / 255
     skeleton = skimage.morphology.skeletonize(binary).astype(np.float32)
     
     # 提取骨架位置的距离值
     thickness = cv2.multiply(distance, skeleton)
     
     # 计算非零像素的平均距离，厚度为其2倍
     average = np.mean(thickness[skeleton != 0])
     thick = 2 * average
     print("Thickness of the first mask image:", thick)
     

  2. 基于轮廓的面积/周长方法，结果为2.47，代码如下：

     import cv2
     import numpy as np
     
     first_mask_image = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)
     
     # 提取轮廓
     contours, _ = cv2.findContours(first_mask_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
     
     thickness_values = []
     
     # 遍历轮廓计算厚度
     for contour in contours:
         area = cv2.contourArea(contour)
         perimeter = cv2.arcLength(contour, True)
         thickness = area / perimeter
         thickness_values.append(thickness)
     
     average_thickness = np.mean(thickness_values)
     print("Average Thickness:", average_thickness)
     

• 需求：判断哪种方法更可靠，同时了解其他精准计算方法。

一、两种方法的可靠性对比 #

1. 距离变换+骨架化方法是更可靠的选择，原因如下：

   • 该方法针对掩码的中轴（骨架）逐点计算到边界的最短距离，再乘以2得到局部厚度，最后取平均值，完全贴合不规则形状的厚度变化特性，尤其适合膝关节软骨这种非均匀厚度的结构。
   • 结果6.18也更符合图中软骨的视觉厚度感知。

2. 基于轮廓的面积/周长方法存在本质缺陷：

   • 公式面积/周长的本质是近似等效圆的半径（仅对圆形结构准确，此时面积/周长=r/2），但对于长条形、不规则弯曲的软骨掩码，周长会被显著拉长，导致计算值严重低估实际厚度，结果2.47就是典型的错误低估。

二、其他经验证的精准计算方法 #

1. 垂直于骨架的宽度采样法 #

在骨架化基础上，对每个骨架点计算垂直于骨架方向的掩码宽度：

• 步骤：
  1. 提取骨架并计算每个骨架点的切线方向；
  2. 沿切线的垂直方向向两侧延伸，直到碰到掩码边界；
  3. 记录每个点的宽度，最后取平均或统计厚度分布。
• 优势：相比单纯的距离变换，能更精准处理边界不规则的情况，避免“最近距离”的局限性。

2. 基于切片的厚度统计法 #

将掩码沿主方向（如软骨长轴）切成薄片，计算每个薄片的平均厚度：

• 步骤：
  1. 通过主成分分析（PCA）确定掩码的主方向；
  2. 沿垂直主方向划分等宽切片；
  3. 对每个切片计算其宽度（最大跨度），最后取平均。
• 优势：适合有明显走向的结构，能直观得到不同区域的厚度分布。

3. 形态学腐蚀迭代法 #

通过迭代腐蚀掩码直到消失，迭代次数的2倍近似平均厚度：

• 步骤：
  1. 使用匹配厚度尺度的圆形结构元对掩码进行形态学腐蚀；
  2. 记录每次腐蚀后掩码是否存在，直到完全消失；
  3. 迭代次数的2倍即为近似平均厚度。
• 注意：结构元的大小需与目标厚度适配，否则结果偏差较大。

内容的提问来源于stack exchange，提问作者user12170926