CT图像掩码相乘后强度异常 如何正确提取目标区域去噪

现有代码核心问题 #

• 掩码生成前置逻辑错误：直接将包含-1024负值的原始CT图像传入连通域标记函数，ndimage.label默认将所有非0值判定为前景区，没有提前做阈值分割分离扫描主体、空气背景、下方线条噪声，计算得到的最大连通域本身就不是需要保留的目标区域。
• 形态学操作完全无效：代码中所有膨胀操作使用的都是(1,1,1)尺寸的结构元，这类结构元做形态学运算不会对图像产生任何修改，根本无法起到连通细碎区域、平滑掩码边界的作用。
• 掩码应用逻辑错误：直接用0/1二值掩码和原图相乘，会把掩码外区域的像素值全部置为0，而CT值中0对应水的密度，不是空气背景的标准值-1024，后续按CT窗宽窗位显示时，这些0值区域就会呈现异常的亮灰色，和你遇到的像素异常现象完全吻合。

修正步骤 #

• 生成掩码前先做阈值二值化，将CT值低于-500的区域（空气、低密度线条噪声）先归为背景，只保留高密度的目标扫描区域做连通域计算，阈值可根据实际CT扫描参数微调。
• 将形态学操作的结构元替换为3x3尺寸（图像分辨率较高时可换为5x5），保证目标区域的连通性，形态学处理最后加一步腐蚀操作，抵消膨胀带来的掩码边缘外扩问题。
• 应用掩码时不要直接做矩阵乘法，用条件赋值的方式：掩码覆盖区域保留原始CT值，非掩码区域统一赋值为CT空气值-1024，保证像素值范围符合CT标准，避免显示异常。
• 如果还有细碎残留噪声，可以在掩码生成后加一步小连通域移除，过滤掉和主体不相连的噪声块。

修正后可运行代码 #

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

def remove_noise(image, bg_val=-1024, threshold=-500, kernel_size=3):
    # 阈值二值化分离前景背景
    binary_img = image > threshold
    kernel = np.ones((kernel_size, kernel_size))
    # 形态学膨胀连通主体区域
    segmentation = morphology.dilation(binary_img, kernel)
    labels, _ = ndimage.label(segmentation)
    
    # 提取最大连通域作为目标主体
    label_count = np.bincount(labels.ravel().astype(int))
    label_count[0] = 0  # 排除背景标签
    mask = labels == label_count.argmax()

    # 优化掩码质量
    mask = morphology.dilation(mask, kernel)
    mask = ndimage.binary_fill_holes(mask)
    mask = morphology.erosion(mask, kernel)  # 抵消膨胀导致的边缘外扩
    mask = morphology.remove_small_objects(mask, min_size=200)  # 移除细碎噪声块
    
    # 应用掩码，非目标区域赋值为空气背景值
    masked_image = np.where(mask, image, bg_val)
    return masked_image

代码运行后会准确保留CT扫描主体区域，移除下方的线条噪声，不会出现像素值显示异常，最终效果和预期目标一致。

内容的提问来源于stack exchange，提问作者Dushi Fdz