如何改善对感兴趣区域中心的动态检测

Question

我将MRI图像按3D阵列形状（2D和切片）分组，这些图像来自不同的机器，因此空间分辨率彼此不同，我想动态地从所有机器中削减ROI。

切割将取决于对圆的检测，这是我感兴趣的点（圆的半径和形状因切片而异，因为它代表心脏的运动）。为此，我正在尝试：

1. 找到所有检测到的圆的中心。
2. 获取所有圆心的平均值。

此方法的问题是：在距我的兴趣点较远的位置检测到一些圆圈，这将严重影响均值。如您在代码下的图像中所见。

是否有任何解决方案（无需详尽计算协方差矩阵）以排除这个过分的点？

#============================================
 def processImage(img,kernel_size):
  #gray = cv.cvtColor(img, cv2.COLOR_BGR2GRAY)
  #blur = cv.GaussianBlur(img, (kernel_size,kernel_size), 0)
  thresh = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY,11,2)
  blur = cv.GaussianBlur(thresh, (kernel_size,kernel_size), 0)
  #thresh = cv.Canny(blur, 50, 150)      
  return blur
 #--------------------------------------------
 #============================================
 def locateCenters(self,img,ker_sz):
  # define circles center & initialization
  centers = np.array([[90,120]],dtype=int)  
  # loop all the slices
  for idx in range(img.shape[2]): 
   #convert the pixels to uint8
   imag = img[:,:,idx].astype('uint8') 
   # PreProcessing for Images
   img_pro = ROI.processImage(imag,ker_sz)
   # Detecting circles
   circles = cv.HoughCircles(img_pro,cv.HOUGH_GRADIENT,1,10, param1=40,param2=50,minRadius=10,maxRadius=35)
   # check wrther if there is circles or not
   if circles is not None : 
    circles = np.uint16(np.around(circles))
    #print(circles[0,:])
    for i in circles[0,:]:
     centers = np.append(centers, [[i[0],i[1]]],axis = 0).astype(int)
  center = np.mean(centers,axis=0,dtype=np.int)#.reshape(1,2)
  print("Center ",center,"\nCenters:",centers.shape)
  x,y = center
  return x,y
 #--------------------------------------------

Answer 1

解决方案是拍摄4D图像（3D +时间）并使用标准偏差来定位心脏（因为心脏始终在移动）。