使用python和OpenCV对图像上的单元格进行计数

我正试图写一个算法来计算图像上的点（细胞）

以下是我到目前为止所做的脚本：

import numpy as np
import cv2
import os

for dirname in os.listdir("images/"):

    for filename in os.listdir("images/" + dirname + "/"):

        # Image read
        img = cv2.imread("images/" + dirname + "/" + filename, 0)

        # Denoising
        denoisedImg = cv2.fastNlMeansDenoising(img);

        # Threshold (binary image)
        # thresh – threshold value.
        # maxval – maximum value to use with the THRESH_BINARY and THRESH_BINARY_INV thresholding types.
        # type – thresholding type
        th, threshedImg = cv2.threshold(denoisedImg, 200, 255,cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU) # src, thresh, maxval, type

        # Perform morphological transformations using an erosion and dilation as basic operations
        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
        morphImg = cv2.morphologyEx(threshedImg, cv2.MORPH_OPEN, kernel)

        # Find and draw contours
        contours, hierarchy = cv2.findContours(morphImg, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        contoursImg = cv2.cvtColor(morphImg, cv2.COLOR_GRAY2RGB)
        cv2.drawContours(contoursImg, contours, -1, (255,100,0), 3)

        cv2.imwrite("results/" + dirname + "/" + filename + "_result.tif", contoursImg)
        textFile = open("results/results.txt","a")
        textFile.write(filename + " Dots number: {}".format(len(contours)) + "\n")
        textFile.close()

这是我的输入图像：

以下是我的结果：

现在，这个脚本可以很好地处理这个输入，但是当我切换到其他输入时，比如：

我得到了一个非常臃肿的结果：

我只想保留以下点：

• 全面的

或：

• 就亮度而言，这些点位于其他点的前10%
• 它们足够大（相对于图像来说，比如说去掉底部10%表面的点）

我读过一些关于创建“is_contour_bad”函数的内容，我可以用它来确定轮廓是否坏，是否应该删除

我试图实现它，但没有得到任何结果。不过，我觉得这个主意不错

我还想根据图像调整阈值和腐蚀/膨胀，但最好是能够对前面列举的每个参数进行操作。不过，如果您有想法自动找到图像的有用属性，以便在其上应用正确的过滤器，那么它可能会很有趣

如果你有任何想法或代码，哪怕是很小的，来帮助我达到这个目标，那将是非常棒的

---

提前感谢您的帮助。

去除不圆的点和小的点的一种方法是使用打开操作（您已经在使用）和您想要的最小点大小的圆形结构元素（每个比结构元素小的点都将被删除）。在下面的图像中，有一个类似于您的问题的示例，即以这种方式删除小点（源代码：）。此外，OpenCV还实现了此操作（）

事实上，您已经使用了此操作，但我认为以下行中定义的结构元素似乎太小：

kernel=cv2.getStructuringElement（cv2.morp_ELLIPSE，（3,3））

---

此外，由于您显然使用的是不同分辨率的图像，您可以根据图像的分辨率调整结构元素的大小。

去除不圆的点和小的点的一种方法是使用打开操作（您已经在使用）具有所需最小圆点大小的圆形结构元素（每个小于该结构元素的圆点都将被删除）。在以下图像中，有一个类似于您的问题的示例，其中以这种方式删除了小点（来源：）。此外，OpenCV也实现了此操作（）

事实上，您已经使用了此操作，但我认为以下行中定义的结构元素似乎太小：

kernel=cv2.getStructuringElement（cv2.morp_ELLIPSE，（3,3））

此外，由于您显然使用的是具有不同分辨率的图像，因此可以根据图像的分辨率调整结构元素的大小