Python 用scikit检测斑点

我正在尝试使用scikit检测大的黄色和红色圆圈（而不是底部的小圆圈）。对于红色圆圈，它似乎非常准确（在过滤较大半径后），但它似乎无法检测黄色圆圈

from skimage import data, io
from skimage.feature import blob_doh
from skimage.color import rgb2gray
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt


image = io.imread("2-9.jpg")
image_gray = rgb2gray(image)

blobs_doh = blob_doh(image_gray, max_sigma=30, threshold=.01)

df_doh = pd.DataFrame(blobs_doh[:, :], columns=["y", "x", "radius"])

df_doh.to_csv('doh.csv')

我所尝试过的，基于。我只对x、y和半径的数组感兴趣，因此代码不需要覆盖圆的图像

我在scikit示例中尝试了这三种方法，但发现doh（Hessian的行列式）至少最适合识别红色圆圈，因为其他两种方法对它们不起作用

我也尝试过使用来自的scikit Hough圆，但同样的问题存在于它没有检测到黄色圆的地方

from skimage import data, io
from skimage.feature import blob_doh
from skimage.color import rgb2gray
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt


image = io.imread("2-9.jpg")
image_gray = rgb2gray(image)

blobs_doh = blob_doh(image_gray, max_sigma=30, threshold=.01)

df_doh = pd.DataFrame(blobs_doh[:, :], columns=["y", "x", "radius"])

df_doh.to_csv('doh.csv')

然后，我将数据作为csv导入，并使用R绘制（以显示准确性）

---

df可能黄色斑点颜色太浅，无法被
blob_doh
拾取。由于您似乎对这些图像有很强的先验知识（根据我的颜色选择器，精确的黄色和精确的红色），因此您可以仅使用目标点制作图像：

from skimage import io, util
image = util.img_as_float(io.imread("2-9.jpg"))
t = 0.001  # tolerance of deviation from exact color
blobs = ((image - [1, 0, 0])**2 < t)  # distance from red less than t
         | (image - [1, 1, 0])**2 < t))  # distance from yellow
blobs_float = blobs.astype(float)  # convert from boolean to 1.0/0.0

从skimage导入io，util
image=util.img\u as\u float（io.imread（“2-9.jpg”））
t=0.001#准确颜色偏差公差
水滴=（（图像-[1,0,0]）**2

然后，在
blobs\u float
图像上使用
blob\u doh

希望这有帮助