Маркировка медицинского изображения

Давайте разделим ваше изображение на две составляющие части, сначала image.png:

и во-вторых, mask.png:

Теперь вы можете просто использовать ImageMagick в Терминале без написания кода. У вас есть несколько вариантов. Вы также можете:

• сделать черные части маски прозрачными в результате, или
• Сделайте черные части маски в результате черными.

Давайте сначала сделаем их прозрачными, поэтому мы фактически копируем маску в изображение и обрабатываем ее как слой альфа / прозрачности:

magick image.png mask.png -compose copyalpha -composite result.png

А теперь давайте сделаем их черными, выбрав более темное из исходного изображения и маски в каждом месте пикселя - отсюда и режим наложения darken:

magick image.png mask.png -compose darken -composite result.png

Обратите внимание, что если вы используете первый метод, исходная информация, которая кажется прозрачной, все еще присутствует на изображении и может быть восстановлена, поэтому не используйте этот метод для сокрытия конфиденциальной информации.

Если вы хотите использовать метод прозрачности из Python с PIL, вы можете:

from PIL import Image

# Read image and mask as PIL Images
im = Image.open('image.png').convert('RGB')
ma = Image.open('mask.png').convert('L')

# Merge in mask as alpha channel and save
im.putalpha(ma)
im.save('result.png')

Или метод прозрачности с OpenCV и Numpy:

import cv2
import numpy as np

# Open image and mask as NMumoy arrays
im = cv2.imread('image.png')
ma = cv2.imread('mask.png', cv2.IMREAD_GRAYSCALE) 

# Merge mask in as alpha channel and save
res = np.dstack((im,ma))
cv2.imwrite('result.png', res)

Если вы хотите использовать метод blacken с Python и PIL / Pillow, используйте:

from PIL import Image, ImageChops

# Read image and mask as PIL Images
im = Image.open('image.png').convert('RGB')
ma = Image.open('mask.png').convert('RGB')

# Choose darker image at each pixel location and save
res = ImageChops.darker(im, ma)
res.save('result.png')

Если вы хотите использовать метод blacken с OpenCV и Numpy, используйте приведенный выше код, но замените строку np.dstack() на:

res = np.minimum(im, ma[...,np.newaxis])

Я настоятельно рекомендую ITK - SNAP для этой задачи. Вы можете вручную пометить свои входные изображения определенными метками (1 для переднего плана, 0 для фона в вашем примере) и очень удобно экспортировать наземную истину.