Python 复合材料分层区域的图像分割

研究项目的一部分是正确测量钻孔的分层区域，如图所示。

为了实现这一点，我需要开发一种图像分割算法/方法来识别孔周围分层区域的轮廓，以便我们能够获得类似下图的结果

基于本文的图像->

附加分层区域的图像。

我正在使用python和openCV进行图像处理任务。到目前为止，我已经在灰度图像和分离的HSV通道中尝试了几种方法，如阈值（THRESH_BINARY，THRESH_OTSU，计算图片的平均像素值，然后应用阈值…）。我也尝试过cv2.equalizeHist（灰色），但这些方法似乎只分割轮廓孔复合工件（这是获得孔直径的理想方法），但我们主要需要计算受损面积

对该图像进行分层损伤分割的最佳方法是什么

####图像会调整大小以更好地显示屏幕，但图像处理操作是使用正常大小的图片完成的###
将numpy作为np导入
进口cv2
将matplotlib.pyplot作为plt导入
img=cv2.imread（'2.jpg'）
imageRe=cv2.调整大小（img，无，fx=0.6，fy=0.6）
cv2.imshow（'孔导入图片'，imageRe）
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
#灰度图像的直方图计算
hist=cv2.calcHist（[gray]，[0]，无[256]，[0256]）
plt.hist（gray.ravel（），256[0256]）；plt.show（）
imageRe=cv2.调整大小（灰色，无，fx=0.6，fy=0.6）
cv2.imshow（“灰度图像”，imageRe）
eCuilized_img=cv2.均衡器历史（灰色）
cv2.imwrite（'ecualized_img.jpg'，ecualized_img）
imageRe=cv2.调整大小（ecuilized_img，无，fx=0.6，fy=0.6）
cv2.imshow（“电子化图像”，imageRe）
##################
img=灰色
#全局阈值
ret1，th1=cv2.threshold（img，70255，cv2.THRESH_BINARY）#默认情况下在127中设置的阈值
#大津阈值法
ret2，th2=cv2.阈值（img，0255，cv2.阈值二元+cv2.阈值大津）
#高斯滤波后的大津阈值
模糊=cv2.高斯模糊（img，（5,5,0）
ret3，th3=cv2.阈值（模糊，0255，cv2.阈值二元+cv2.阈值大津）
#绘制所有图像及其直方图
图像=[img，0，th1，
img，0，th2，
模糊，0，th3]
标题=[“原始噪声图像”，“直方图”，“全局阈值（v=127）”，
‘原始噪声图像’、‘直方图’、‘大津阈值’，
“高斯滤波图像”、“直方图”、“大津阈值”]
imageRe=cv2.调整大小（th1，无，fx=0.6，fy=0.6）
cv2.imshow（'正常阈值图像'，imageRe）
imageRe=cv2.调整大小（th2，无，fx=0.6，fy=0.6）
cv2.imshow（“Otsus阈值图像”，imageRe）
对于范围（3）中的i：
plt.subplot（3,3，i*3+1），plt.imshow（图像[i*3]，'gray'）
plt.title（titles[i*3]）、plt.xticks（[]）、plt.yticks（[]）
plt.subplot（3,3，i*3+2），plt.hist（images[i*3].ravel（），256）
plt.title（titles[i*3+1]）、plt.xticks（[]）、plt.yticks（[]）
plt.subplot（3,3，i*3+3），plt.imshow（图像[i*3+2]，“灰色”）
plt.title（titles[i*3+2]）、plt.xticks（[]）、plt.yticks（[]）
plt.show（）
###################
src=img
ddepth=cv2.CV_16S
内核大小=3
ecualized_img=cv2.GaussianBlur（ecualized_img，（3,3,0）
#[减少噪音]
#将图像转换为灰度
#src_gray=cv2.CVT颜色（src，cv2.COLOR_BGR2GRAY）
#[将颜色转换为灰色]
#[拉普拉斯语]
#应用拉普拉斯函数
dst=cv2.Laplacian（ecuilized_img，ddepth，ksize=3）
#[拉普拉斯语]
#[转换]
#转换回uint8
abs_dst=cv2.可转换可伸缩性（dst）
#[转换]
#[显示]
imageRe=cv2.调整大小（abs_dst，无，fx=0.6，fy=0.6）
cv2.imshow（‘高斯拉普拉斯（对数）’，imageRe）
#retVal，t=cv2.阈值（ecualized_img，90255，cv2.THRESH_BINARY+cv2.THRESH_OTSU）
#t=cv2.阈值（ecualized_img，0，255，cv2.THRESH_OTSU）；
#imageRe=cv2。调整大小（t，无，fx=0.6，fy=0.6）
#cv2.imshow（'eCuilized+THRESH_OTSU image'，imageRe）
cv2.等待键（0）
cv2.destroyAllWindows（）
你能在你所附图片中添加一个显示你认为是受损区域的图像吗？我上传了一个新的图像，突出了分层区域，我需要为区域测量分段。如果你能帮我解决这个问题，或者给我一个方法，我会非常感激。你能在你所附的图片中添加一个显示你认为是受损区域的图像吗？我上传了一个新的图像，突出了我需要分割区域的分层区域。如果你能帮我做这件事或者给我一个方法，我将不胜感激。