如何用Python将图像形式的ECG转换为数值格式？

核心思路 #

针对带网格的ECG图像，不能直接提取原始像素值，需要先校准网格刻度，再提取波形坐标并转换为临床标准的数值（mV/秒）。

具体步骤与代码实现 #

1. 依赖库安装 #

先安装必要工具库：

pip install opencv-python numpy matplotlib

2. 图像预处理 #

对图像做灰度化、二值化和降噪，突出波形与网格：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取本地ECG图像（替换为你的图像路径）
img = cv2.imread('ecg_image.jpg')
# 灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 自适应二值化，解决光照不均问题
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
# 形态学降噪，去除小噪点
kernel = np.ones((2,2), np.uint8)
cleaned = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

3. 校准网格刻度 #

ECG标准网格为小格1mm×1mm，对应纵向0.1mV、横向0.04秒（走纸速度25mm/s），先计算图像中每个小格的像素数：

# 提取水平网格线，计算纵向像素/mm
horizontal_lines = cv2.HoughLinesP(cleaned, 1, np.pi/180, threshold=50, minLineLength=img.shape[1]//2, maxLineGap=5)
y_coords = sorted([line[0][1] for line in horizontal_lines])
vertical_pixel_per_mm = y_coords[1] - y_coords[0]

# 提取垂直网格线，计算横向像素/mm
vertical_lines = cv2.HoughLinesP(cleaned, 1, np.pi/180, threshold=50, minLineLength=img.shape[0]//2, maxLineGap=5)
x_coords = sorted([line[0][0] for line in vertical_lines])
horizontal_pixel_per_mm = x_coords[1] - x_coords[0]

# 计算刻度转换系数
mv_per_pixel = 0.1 / vertical_pixel_per_mm  # 单像素对应mV值
sec_per_pixel = 0.04 / horizontal_pixel_per_mm  # 单像素对应秒值

4. 提取ECG波形并转换为数值 #

筛选波形轮廓，提取坐标后转换为标准数值：

# 查找图像轮廓，过滤掉网格线（保留细波形）
contours, _ = cv2.findContours(cleaned, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 按面积、长度筛选波形轮廓（可根据图像调整阈值）
wave_contours = [cnt for cnt in contours if cv2.contourArea(cnt) < 500 and cv2.arcLength(cnt, False) > 100]

# 提取波形坐标并按时间顺序排序
wave_points = []
for cnt in wave_contours:
    for point in cnt:
        x, y = point[0]
        wave_points.append((x, y))
# 按x轴排序，保证时间序列正确
wave_points.sort(key=lambda p: p[0])

# 转换为临床数值：时间（秒）、电压（mV）
base_y = y_coords[0]  # 以第一条水平网格线为0mV基准
time_values = [x * sec_per_pixel for x, y in wave_points]
# 图像y轴向下，需反转计算电压值
voltage_values = [(base_y - y) * mv_per_pixel for x, y in wave_points]

5. 结果验证 #

可视化转换后的波形，对比原图像：

plt.figure(figsize=(12, 6))
# 原图像展示
plt.subplot(211)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('Original ECG Image')
# 转换后波形展示
plt.subplot(212)
plt.plot(time_values, voltage_values, color='red')
plt.xlabel('Time (s)')
plt.ylabel('Voltage (mV)')
plt.title('Converted ECG Waveform')
plt.tight_layout()
plt.show()

注意事项 #

• 若图像倾斜，需先添加倾斜校正：用霍夫变换检测角度，旋转图像。
• 网格线提取不准确时，可调整霍夫变换的阈值参数，或手动指定网格区域。
• 波形轮廓筛选的阈值需根据实际图像调整，避免误把网格线识别为波形。

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