在python中将图像分成两部分

我有一张这样的照片

如图所示，图像主要由两部分组成。 上上下下

我想把它们分开

在第一次尝试中，我使用K-meas算法实现。

[2]中的

kmeans=kmeans（n_集群=2，随机状态=0）。。。
np.asarray（np.where（finalImage==255））.T）

在Image1案例中，上部和下部的圆点数量几乎相同。但在图2中不起作用

之后，我使用cv2.findContours获得最大面积2等高线

im, contours, hierarchy = cv2.findContours(Img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

    # get first contour
    maxContour = 0
    for contour in contours:
        contourSize = cv2.contourArea(contour)
        if contourSize > maxContour:
            maxContour = contourSize
            maxContourData0 = contour

    # get second contour
    if contours.__len__() != 1:
        maxContour = 0
        for contour in contours:
            contourSize = cv2.contourArea(contour)
            if contourSize > maxContour and np.sum(np.subtract(contour[0:5],maxContourData0[0:5])) != 0:
                maxContour = contourSize
                maxContourData1 = contour

    mask = np.zeros_like(Img)
    cv2.fillPoly(mask, [maxContourData0], 1)
    if contours.__len__() != 1:
        cv2.fillPoly(mask, [maxContourData1], 1)

    finalImage = np.zeros_like(Img)
    finalImage[:, :] = np.multiply(Img, mask)

    cv2.imshow('final', finalImage)
    cv2.waitKey(0)

但它有时是一个轮廓而不是两个

---

是否有强制获取两个blob的情况？

您可以尝试使用，但请注意，您应该将

connectivity=4

而不是

8

设置为默认值。

如果您不介意运行时间，您可以尝试光谱聚类

K-means不能解决这个问题，因为它隐式地假设簇是球形的，而谱簇更关心连通性。坏消息是它比K-means慢得多

下面是我的实现使用：

输出：

19.5850000381

---

如果水滴的实际大小不重要，而只是相对大小，则可以在提取水滴之前尝试应用侵蚀，这可能有助于消除两个斑点之间的连接。连接的含义是什么？@JungseokCho Connectivity定义了基础网格图的构造方式：8-connect表示每个像素都连接到其所有8个邻居，而4-connect表示一个像素只连接到上面的四个像素，请注意，您的示例中的两段是“对角”接触的：也就是说，它们被认为是通过8-connect连接的，但考虑到4是分开的-connect@JungseokCho光谱聚类在不同尺度的聚类中有一个已被证实的问题。你应该在例子中仔细使用它。

19.5850000381