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Python 使用OpenCV检测圆形区域(具有大量小对象),python,opencv,image-processing,Python,Opencv,Image Processing,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
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:])