Machine learning 计算团簇中的原子数

我试图建立一个网络，从图像中识别缺失的原子，然后能够对它们进行计数

到目前为止，我已经创建了一个CNN，它能够输出下面这样的图像，只突出显示这样的原子，并且我已经找到了一个OpenCV库，我认为它能够计算所有单独的白点（）

然而，我希望能够为给定的结构计算缺失的原子：例如，我用红色圈出了我希望我的网络识别并计算为8个原子的结构的点簇。我认为最简单的方法可能是：

• 基于分割应用边界框，裁剪图像并计算每个框的原子数，这将提供一个标记图像，但是一个大问题是在框中包含额外的、未连接的原子

如果采用这种方法，我将如何创建更具体的形状的框？我可以尝试根据面积为每个圆着色，而在裁剪到边界框大小时忽略其他颜色

我个人认为我正在努力解决的问题是如何分割图像并处理每个集群，或者是否有一种更平滑的技术可以使用或集成到我的ML模型中

---

查找已连接的组件。对于每个连接的组件，计算其中有多少像素，并将该数字除以每个原子的平均像素数；结果将是对团簇中原子数的估计。请看。这个想法是找到每个细胞的平均面积。如果一个轮廓大于平均面积，我们除以平均面积来估计细胞的数量。更一般的评论：尝试使用经典的图像处理方法来解决这个问题，正如其他评论所建议的那样。不要试图把它塞进你的深度学习模型中。