손목 뼈 X-ray 사진을 통한 골연령 예측 프로젝트

1. 개요

이미지 분석을 통해 골 연령을 산출하여 성장 과정 동안의 키 성장을 예측
이번 프로젝트에서는 골연령을 예측하는 것이 목표

2. 이미지 전처리

Resize

각 이미지마다 크기가 다르기 때문에 이미지 크기를 동일하게 설정

# 전체 이미지의 비율 평균 계산하여 resize 할 비율 결정
ratio = 0
for i in range(len(total_df.id)):
    img = cv2.imread(total_path + total_df['id'][i], cv2.IMREAD_GRAYSCALE)
    ratio += img.shape[0] / img.shape[1]

ratio / len(total_df.id) ## 1.266

# 이미지 사이즈 재설정
img = cv2.imread(total_path + '98.jpg', cv2.IMREAD_GRAYSCALE)
resize_img = cv2.resize(img, (800, 1000))

Normalize

# 이미지 min max 정규화
normal_img = cv2.normalize(resize_img, None, 0, 255, cv2.NORM_MINMAX)

Equalize

createCLAHE(Contrast Limited Adaptive Histogram Equalization)
이미지를 여러 작은 블록으로 나누어 각 블록에 대해 독립적으로 히스토그램 평탄화를 적용

clahe = cv2.createCLAHE(clipLimit=1, tileGridSize=(3,3))
equal_img=clahe.apply(denoise_img)

3. 이미지 회전

샘플 이미지

Thresholding

0(검은색), 255(흰색)로 이진화

r_img = np.copy(temp_img)
height, width = temp_img.shape
img = temp_img[0:(int)(height*0.9),0:(int)(width*0.95)]

# 픽셀 값의 평균 크면 255로 설정되고 작으면 0으로 설정정
ret, img = cv2.threshold(img, temp_img.mean(), 255, cv2.THRESH_BINARY)

#샘플 이미지 Thresholding 결과
plt.imshow(img,"gray")

이미지 contouring

객체의 윤곽선 추출

contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

#외곽선 검출하여 mask 그리기
max_cnt = max(contours, key=cv2.contourArea)

mask = np.zeros(img.shape, dtype=np.uint8)
cv2.drawContours(mask, [max_cnt], -1, (255,255,255), -1)

plt.imshow(mask, 'gray')

첫 번째 흰색 좌표 구하기

y좌표 기준으로 첫 번째 흰색 좌표가 중지 끝부분임

M = cv2.moments(max_cnt)
center = (int(M['m10']/M['m00']), int(M['m01']/M['m00']))

for y,x_r in enumerate(mask) :
    if 255 in x_r:
        #y에 따른 x rows 중 255인 x값 추출
        x_255_indexs = np.where(x_r == 255)[0]

        #255인 x값들 중 median 추출
        x_255_mid_index = x_255_indexs[len(x_255_indexs)//2]
        first_255_x_point = x_255_mid_index

        first_255_y_point = y
        break

(first_255_x_point,first_255_y_point) # (298, 102)

무게중심과 좌표의 각도 구하여 회전

# 이미지 회전 함수 정의
def rotate_image(image, angle):
    image_center = tuple(np.array(image.shape[1::-1]) / 2)
    rot_mat = cv2.getRotationMatrix2D(image_center, angle, 1.0)
    result = cv2.warpAffine(image, rot_mat, image.shape[1::-1], flags=cv2.INTER_LINEAR,borderValue=(255,255,255))
    return result

# 무게중심과 첫 흰색 좌표 차이
center_x, center_y = center[0], center[1]
rx = abs(first_255_x_point - center_x)
ry = center_y - first_255_y_point

# 회전 각도 구하기
import math
radian = math.atan2(ry, rx)
degree = 90 - math.degrees(radian)

# 무게중심과 첫 좌표 위치에 따라 회전 방향 조정

if first_255_x_point < center_x :
    mask = rotate_image(mask,360-degree) 
    r_img_ = rotate_image(temp_img,360-degree)
else:
    mask = rotate_image(mask,degree) 
    r_img_ = rotate_image(temp_img,degree)