Python 使用OpenCV检测圆形区域（具有大量小对象）

在原始图片中，我想检测圆形区域。（腺体）我设法了解了这些区域的轮廓，但由于有许多较小的物体（核），我不能再进一步了

我最初的想法是使用cv2.connectedComponentsWithStats函数删除小对象。但不幸的是，如图所示，格兰德区域也包含小对象，它们没有正确连接。这个功能也会将腺体轮廓的小区域剔除，留下轮廓之外的部分

有人能帮我找到解决这个问题的办法吗？ 事先非常感谢

原始图片

腺体的大致轮廓（里面有很多小物体）

cv2之后。连接的组件具有统计信息

OpenCV 我认为你可以通过使用。类似的方法可能适合您（您必须根据需要调整参数）：

可能需要一些额外的预处理，以消除噪声，例如，在转换之前执行预处理可能也会有所帮助

---

神经网络

---

另一种选择是使用神经网络进行图像分割。一个相当成功的方法是

掩码RCNN

。GitHub上已经有了一个工作的python实现：。

这是一个困难的问题，但幸运的是，它已经被广泛研究过了。在你尝试重新发明轮子之前，请先进行文献检索！我知道这一点，我读了几篇科学文章，但不幸的是，这些方法对我的图像不起作用。我将寻求其他解决办法。谢谢你的建议。我认为传统的图像处理方法无法处理这样的任务。CNN（如联合国环境电视台）的其他部门可以完成这项工作。非常感谢您的帮助，我一定会尝试以下方法：）

import sys
import cv2 as cv
import numpy as np


def main(argv):
    filename = argv[0]
    src = cv.imread(filename, cv.IMREAD_COLOR)
    if src is None:
        print ('Error opening image!')
        print ('Usage: hough_circle.py [image_name -- default ' + default_file + '] \n')
        return -1

    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

    gray = cv.medianBlur(gray, 5)

    rows = gray.shape[0]
    circles = cv.HoughCircles(gray, cv.HOUGH_GRADIENT, 1, rows / 32,
                               param1=100, param2=30,
                               minRadius=20, maxRadius=200)

    if circles is not None:
        circles = np.uint16(np.around(circles))
        for i in circles[0, :]:
            center = (i[0], i[1])
            # circle center
            cv.circle(src, center, 1, (0, 100, 100), 3)
            # circle outline
            radius = i[2]
            cv.circle(src, center, radius, (255, 0, 255), 2)


    cv.imshow("detected circles", src)
    cv.waitKey(0)

    return 0


if __name__ == "__main__":
    main(sys.argv[1:])