Matlab 如何从图像中分离相同颜色的连接对象？

我的图片如下所示：

RGB=imread('testImage.jpg');
RGB = im2double(RGB);
cform = makecform('srgb2lab', 'AdaptedWhitePoint', whitepoint('D65'));
I = applycform(RGB,cform);
channel1Min = 12.099;
channel1Max = 36.044;
channel2Min = -9.048;
channel2Max = 48.547;
channel3Min = -53.996;
channel3Max = 15.471;
BW = (I(:,:,1) >= channel1Min ) & (I(:,:,1) <= channel1Max) & ...
    (I(:,:,2) >= channel2Min ) & (I(:,:,2) <= channel2Max) & ...
    (I(:,:,3) >= channel3Min ) & (I(:,:,3) <= channel3Max);
maskedRGBImage = RGB;
maskedRGBImage(repmat(~BW,[1 1 3])) = 0;
figure
imshow(maskedRGBImage)

我正在应用一些类似于代码中的阈值。我可以像下面这样分离蓝色对象：

但是，现在我在分离这些蓝色对象时遇到了一个问题。我应用了分水岭（我不知道我是对是错），但没有成功，所以我需要帮助来分离这些连接的对象

我尝试使用的代码如下所示：

RGB=imread('testImage.jpg');
RGB = im2double(RGB);
cform = makecform('srgb2lab', 'AdaptedWhitePoint', whitepoint('D65'));
I = applycform(RGB,cform);
channel1Min = 12.099;
channel1Max = 36.044;
channel2Min = -9.048;
channel2Max = 48.547;
channel3Min = -53.996;
channel3Max = 15.471;
BW = (I(:,:,1) >= channel1Min ) & (I(:,:,1) <= channel1Max) & ...
    (I(:,:,2) >= channel2Min ) & (I(:,:,2) <= channel2Max) & ...
    (I(:,:,3) >= channel3Min ) & (I(:,:,3) <= channel3Max);
maskedRGBImage = RGB;
maskedRGBImage(repmat(~BW,[1 1 3])) = 0;
figure
imshow(maskedRGBImage)

RGB=imread（'testImage.jpg'）；
RGB=im2double（RGB）；
cform=makecform（'srgb2lab'，'AdaptedWhitePoint'，whitepoint（'D65'））；
I=ApplyForm（RGB，cform）；
通道1min=12.099；
channel1Max=36.044；
通道2min=-9.048；
信道2max=48.547；
通道3min=-53.996；
信道3max=15.471；
BW=（I（：，：，1）>=channel1Min）和（I（：，：，1）=channel2Min）和（I（：，：，2）=channel3Min）和（I（：，，：，3）一般来说，这种类型的分割是一个严重的研究问题。在您的案例中，您可以很好地结合使用这些方法。这些方法在显微镜图像处理中得到了广泛的应用

首先，通过清除小斑点和填充孔来稍微清理
BW

BWopen = imopen(BW, strel('disk', 6));
BWclose = imclose(BWopen, strel('disk', 6));

（您可能需要稍微调整一下结构元素，“6”只是一个半径，似乎对您的测试图像有效。）

然后你可以用侵蚀性侵蚀来产生一些种子

seeds = imerode(BWclose, strel('disk', 35));

您可以将其用于分水岭，或仅将
BW
中的每个点指定给其最近的种子

labels = bwlabel(seeds);

[D, i] = bwdist(seeds);
closestLabels = labels(i);
originalLabels = BWopen .* closestLabels;

imshow(originalLabels, []);

我将尝试以下步骤：

将图像转换为灰色，然后转换为二值遮罩

应用形态开口（）来清洁小噪音对象

使用应用连接组件分析（CCA）。每个连接组件至少包含一个对象

这些蓝色对象看起来确实像拉伸/扭曲的圆，所以我会尝试Hough变换来检测每个标记组件内的圆环。根据您的Matlab版本和可用的工具箱，有一个内置函数（）或在线可用的代码（）

然后，您需要对每个组件内的对象数量N（N>=1）做出一些决定。我事先不知道最佳标准应该是什么，但您也可以应用以下简单规则：
[i] 对象需要具有最小大小。
[ii]重叠圆对应于同一对象（或不对应，取决于重叠量）

然后，圆的质心可以作为种子来完成最终的对象分割。当然，如果每个组件中只有一个圆，您可以直接将其作为对象保留

我没有在Matlab中检查所有步骤的有效性，但我很快检查了1、2和4，它们似乎很有希望。我在图像的中心显示了最困难组件的圆检测结果：

我用于创建此图像的代码是：

close all;clear all;clc;

addpath 'circle_hough'; % add path to code of [Hough transform for circles] link above

im = imread('im.jpg');
img = rgb2gray(im);

mask = img>30; mask = 255*mask; % create a binary mask
figure;imshow(mask)

% filter the image so that only the central part of 6 blue objects remains (for demo purposes only)
o = zeros(size(mask)); o(170:370, 220:320) = 1;
mask = mask.*o; 
figure;imshow(mask);

se = strel('disk',3); 
mask = imopen(mask,se); % apply morphological opening
figure;imshow(mask);

% check for circles using Hough transform (see also circle_houghdemo.m in [Hough transform for circles] link above)
radii = 15:5:40; % allowed circle radii 
h = circle_hough(mask, radii, 'same', 'normalise');
% choose the 10 biggest circles
peaks = circle_houghpeaks(h, radii, 'nhoodxy', 15, 'nhoodr', 21, 'npeaks', 10);

% show result
figure;imshow(im);
for peak = peaks
    [x, y] = circlepoints(peak(3));
    hold on;plot(x+peak(1), y+peak(2), 'g-');
end

一些自发的想法。我假设最终的目标是计算蓝色小体。如果是这样，我会寻找一种方法来确定这些物体的总面积和小体的平均面积。作为转换为二进制（黑白）的第一步：

自形态操作（打开/关闭）不会保留区域，我会使用bwlabel查找连接的组件。看图片，我看到12个孤立的小体，两个连接的组，一些边缘截断的小体和一些小的噪音碎片。因此，首先移除小对象和那些接触边缘的。然后确定总面积（BWLea）以及作为一个微粒平均面积的代理的对象的中值大小。
您用于复制结果的实际代码将很好地完成您的回答。感谢您的建议@rayryeng，我添加了代码。非常好。谢谢。+1。