如何批量获取MRI分割图像中各肌肉的个体像素面积？

针对你的需求，直接用连通区域分析+区域属性统计就能批量处理，无需手动ROI，也能应对跨中线的肌肉区域，具体方案如下：

核心思路 #

分割后的mask中，每块独立的肌肉是一个连通区域，先标记所有连通区域，再统计每个区域的像素面积，最后通过区域重心或像素坐标判断左右归属；对于跨中线的区域，可拆分左右部分分别统计。

具体实现（Python） #

1. 依赖库导入 #

import numpy as np
from scipy import ndimage
from skimage import measure

2. 单张图像处理逻辑 #

假设result是你的2D mask数组（非零像素为肌肉区域）：

# 复制mask避免修改原数据
mask = result.copy()
# 获取图像宽度中点（用于判断左右）
image_mid_x = mask.shape[1] / 2

# 步骤1：标记所有连通肌肉区域
labeled_mask, num_regions = ndimage.label(mask)
# 步骤2：提取每个区域的属性（面积、重心等）
regions = measure.regionprops(labeled_mask)

# 步骤3：遍历区域统计面积与位置
for region in regions:
    # 统计区域总像素面积
    total_area = region.area
    # 获取区域重心的x坐标（centroid格式为(y, x)）
    centroid_x = region.centroid[1]
    
    # 方案A：按重心判断整体归属
    side = "左侧" if centroid_x < image_mid_x else "右侧"
    print(f"肌肉区域 {region.label}: 总面积={total_area} 像素, 归属={side}")
    
    # 方案B：拆分跨中线区域的左右面积（可选）
    coords = region.coords  # 区域内所有像素的(y, x)坐标
    left_area = len(coords[coords[:, 1] < image_mid_x])
    right_area = len(coords[coords[:, 1] >= image_mid_x])
    print(f"肌肉区域 {region.label}: 左侧面积={left_area} 像素, 右侧面积={right_area} 像素")

3. 多类肌肉的处理（如果mask含不同肌肉标签） #

如果你的mask是语义分割结果（不同肌肉用不同像素值标记，比如1=股四头肌、2=腘绳肌），可先按类别拆分再处理：

# 获取所有非背景的肌肉类别
muscle_classes = np.unique(mask)[1:]

for cls in muscle_classes:
    # 提取当前类别的mask
    cls_mask = (mask == cls).astype(np.int32)
    labeled_cls, num_regions = ndimage.label(cls_mask)
    regions = measure.regionprops(labeled_cls)
    
    print(f"\n=== 肌肉类别 {cls} ===")
    for region in regions:
        total_area = region.area
        centroid_x = region.centroid[1]
        side = "左侧" if centroid_x < image_mid_x else "右侧"
        print(f"区域 {region.label}: 面积={total_area} 像素, 归属={side}")

4. 批量处理数百张图像 #

把上述逻辑封装成函数，遍历图像文件列表（比如读取文件夹中的npy/png文件），结果可保存为CSV方便后续分析：

import csv
import os

def process_single_mask(mask_path):
    # 读取mask（根据你的存储格式调整，比如npy或图像）
    mask = np.load(mask_path)
    image_mid_x = mask.shape[1] / 2
    labeled_mask, num_regions = ndimage.label(mask)
    regions = measure.regionprops(labeled_mask)
    
    # 生成当前图像的统计结果
    results = []
    for region in regions:
        total_area = region.area
        centroid_x = region.centroid[1]
        side = "左侧" if centroid_x < image_mid_x else "右侧"
        results.append({
            "图像名称": os.path.basename(mask_path),
            "区域标签": region.label,
            "面积": total_area,
            "归属": side
        })
    return results

# 遍历文件夹中所有mask文件
mask_dir = "你的mask文件夹路径"
all_results = []
for filename in os.listdir(mask_dir):
    if filename.endswith(".npy"):  # 根据你的文件格式调整
        mask_path = os.path.join(mask_dir, filename)
        all_results.extend(process_single_mask(mask_path))

# 保存结果到CSV
with open("肌肉面积统计.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["图像名称", "区域标签", "面积", "归属"])
    writer.writeheader()
    writer.writerows(all_results)

关键注意事项 #

• 确保mask中的每个独立肌肉是一个连通区域（如果分割结果有断裂，可先做小范围的形态学闭运算修复：ndimage.binary_closing(mask, structure=np.ones((3,3)))）
• 跨中线区域的处理可根据你的研究需求选择方案A或B
• 批量处理时注意路径和文件格式的统一

内容的提问来源于stack exchange，提问作者rchow