我有一个医学项目，想提取一个特殊的部分
在不理解其坐标的情况下自动提取眼睛图像，而不是手动改变该区域的坐标，因为我从许多患者身上采集，我认为必须找到它的形状。我的目标是通过计算肺结膜中的红色像素来确定贫血与非贫血。我使用掩蔽法（k表示）来完成这项工作，但我希望可以采用一种方法，首先直接提取肺结膜，然后使用k表示来掩蔽图像并进行查找，因为我的结果会更准确。当我使用图像分割的k均值时，我发现另一个重叠的红色像素破坏了我的准确性。
。我也听说过要使用机器学习，但在进行机器学习以在患者的图像中找到附近区域后，我需要提取关节牙髓。所以我需要代码来只提取和只提取结膜肺。
我尝试了k_means和内核，但添加了另一个不需要的红色像素。我听说了实例分割和面具RCNN。你认为我有我想要的区域，就像上面的图片作为CNN的数据一样，那么如何将其用于我的项目。
导入cv2将numpy导入为np#阅读图像image=cv2.imread（'c:/users/stk/desktop/d.png'）#将图像转换为HSVhsv=cv2.cvt颜色（图像，cv2.COLOR_BGR2HSV）#定义红色的上下限lower_red=np.数组（[0，120，70]）upper_red=np.array（[10255255]）#为红色创建遮罩mask1=cv2.in范围（hsv，lower_red，upper_red）#定义红色的上下限lower_red=np.数组（[170，120，70]）upper_red=np.array（[180255255]）#为红色创建遮罩mask2=cv2.in范围（hsv，lower_red，upper_red）#合并两个遮罩mask=掩码1+掩码2#创建用于形态学操作的内核内核=np.ones（（5,5），np.uint8）#执行形态学操作mask=cv2.morphologyEx（掩码，cv2.MORPH_CLOSE，内核）mask=cv2.morphologyEx（掩码，cv2.MORPH_OPEN，内核）#将遮罩应用于原始图像结果=cv2.bitwise_and（image，image，mask=掩码）#保存结果cv2.imwrite（'extracted_red_object.png'，结果）#显示结果cv2.imshow（“提取的红色对象”，结果）cv2.waitKey（0）cv2.destroyAllWindows（）
