search

brunofaria27 / image-processing

Analise de imagens do exame Papanicolau para dar o diagnóstico precoce do câncer cervical. Aplicativo para ler imagens do exame para reconhecer automáticamente células cancerosas.
MIT License
4 stars 0 forks source link

preprocessar dados usados no treinamento e teste dos classificadores e do segmentador #1

Closed brunofaria27 closed 1 year ago

brunofaria27 commented 1 year ago

Os dados usados no treinamento e teste dos classificadores e do segmentador devem ser preprocessados. Através da planilha classifications.csv, obtenha as coordenadas dos núcleos das células das imagens disponíveis no dataset (apenas uma parte das imagens está disponível). Recorte as imagens, gerando uma sub-imagem 100x100 para cada núcleo e armazene em subdiretórios de acordo com a sua classe. O nome da imagem deve ser o número da célula na planilha. O arquivo README.md contém a descrição das classes

brunofaria27 commented 1 year ago 
print(f'Coord: {x_center}, {y_center} -> {image_path}')

Esse print serve para ver qual recorte não foi conluído, vendo parece que o recorte não era possivel pois estava fora dos limites da imagem, caso queira ver a imagem com o recorte coloque esse código abaixo no ELSE:

# Cria uma cópia da imagem original para desenhar a marcação
error_image = image.copy()

# Aumenta o tamanho do círculo vermelho para tornar a marcação mais forte
radius = 100 # Tamanho do círculo vermelho
cv2.circle(error_image, (x_center, y_center), radius, (0, 0, 255), -1)  # Cor vermelha

# Salva a imagem com a marcação mais forte no diretório de erro
error_dir = os.path.join(output_dir, 'Erro')
os.makedirs(error_dir, exist_ok=True)
error_output_path = os.path.join(error_dir, f"{cell_id}_erro.png")
cv2.imwrite(error_output_path, error_image)

Observe que o tamanho do circulo está muito grande, para poder ver ele na imagem.

brunofaria27 commented 1 year ago

Reaberto a Issue conforme o comentário para ver se realmente é um bug de recorte ou se é certo do jeito que está. Consultar Alexei.