Python 如何删除附加到另一个大轮廓的小轮廓
我在做细胞分割,所以我试着编写一个函数,删除主轮廓周围的所有次要轮廓,以便制作遮罩。 这是因为我加载了带有一些颜色标记的图像: 问题是当我做阈值时,它假设颜色标记之间的“框”是主轮廓的一部分 正如您在我的代码中看到的,我不会直接将彩色图像传递给灰色,因为红色变为黑色,但也有其他颜色,至少有8种,并且在每个图像中总是不同的。我有数千张这样的图片,其中只有一个单元格显示,但在大多数图片中,总是有局外人。我的目标是得到一个函数,它为每个像这样的图像输入提供单个单元格的二进制图像。所以我从以下代码开始:Python 如何删除附加到另一个大轮廓的小轮廓,python,image,opencv,computer-vision,scikit-image,Python,Image,Opencv,Computer Vision,Scikit Image,我在做细胞分割,所以我试着编写一个函数,删除主轮廓周围的所有次要轮廓,以便制作遮罩。 这是因为我加载了带有一些颜色标记的图像: 问题是当我做阈值时,它假设颜色标记之间的“框”是主轮廓的一部分 正如您在我的代码中看到的,我不会直接将彩色图像传递给灰色,因为红色变为黑色,但也有其他颜色,至少有8种,并且在每个图像中总是不同的。我有数千张这样的图片,其中只有一个单元格显示,但在大多数图片中,总是有局外人。我的目标是得到一个函数,它为每个像这样的图像输入提供单个单元格的二进制图像。所以我从以下代码
import cv2 as cv
cell1 = cv.imread(image_cell, 0)
imgray = cv.cvtColor(cell1,cv.COLOR_BGR2HSV)
imgray = cv.cvtColor(imgray,cv.COLOR_BGR2GRAY)
ret,thresh_binary = cv.threshold(imgray,107,255,cv.THRESH_BINARY)
cnts= cv.findContours(image =cv.convertScaleAbs(thresh_binary) , mode =
cv.RETR_TREE,method = cv.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
cv.drawContours(thresh_binary,[c], 0, (255,255,255), -1)
kernel = cv.getStructuringElement(cv.MORPH_RECT, (3,3))
opening = cv.morphologyEx(thresh_binary, cv.MORPH_OPEN, kernel,
iterations=2) # erosion followed by dilation
总之,如何从图1中获得红色轮廓 实际上,在您的代码中,“框”是一个合法的额外轮廓。在最终的图像上画出所有的轮廓,这样就包括了“盒子”。如果图像中的任何其他彩色单元格都已完全显示,这可能会导致问题 一个更好的方法是分离出你想要的颜色。下面的代码创建一个二进制掩码,该掩码仅显示定义的红色范围内的像素。您可以将此掩码与
findContours
一起使用
结果:代码:
可以帮助您了解此过程中的不同值(带inRange的HSV)是如何工作的 另一种方法,没有颜色范围 我认为你的代码中有一些地方不对劲。首先,您正在
thresh_binary
上绘制轮廓,但这已经包含了其他单元格的外线-您正试图去除的外线。我认为这就是为什么您使用打开(?),而在这种情况下您不应该使用
要解决这些问题,首先需要了解findContours是如何工作的。findContours开始在黑色背景上寻找白色形状,然后在白色轮廓内寻找黑色形状,依此类推。这意味着thresh\u二进制文件中单元格的白色轮廓被检测为轮廓。里面还有其他轮廓,包括你想要的轮廓
您应该做的是首先只查找内部没有轮廓的轮廓。findContours还返回轮廓的层次结构。它指示轮廓是否具有“children”。如果没有(值:-1),则查看轮廓的大小,忽略太小的轮廓。你也可以找最大的,因为那可能是你想要的。最后,在黑色遮罩上绘制轮廓
结果:
代码:
注意:我使用了您上传的图像,您的图像的像素可能要少得多,因此轮廓区域更小
注2:枚举
循环遍历轮廓,并为每个循环返回轮廓和索引如果我只有一种颜色可以分离,但我在其他单元格图像中有其他颜色标记,那么为每种颜色进行循环将非常昂贵。如果能将这一点放到问题中,那将是一件好事。有多贵?你有数百万张图片吗?几十种颜色?具有相同颜色的相邻单元格?图像中是否可以有多个完整的单元格?您计划如何在当前工作流程中区分颜色?您也可以使用删除小于阈值的轮廓。我已经尝试了轮廓区域,但无法识别该小轮廓,事实上,我提高了变形函数中的迭代次数并解决了此特定问题,但它不会纠正颜色问题。效果很好。很好的解释,现在我对这些OpenCV函数有了更好的了解。
import cv2
# load image
img = cv2.imread("PjMQR.png")
# Convert HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# define range of red color in HSV
lower_val = np.array([0,20,0])
upper_val = np.array([15,255,255])
# Threshold the HSV image to get only red colors
mask = cv2.inRange(hsv, lower_val, upper_val)
# display image
cv2.imshow("Mask", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()
import cv2 as cv
import numpy as np
# load image as grayscale
cell1 = cv.imread("PjMQR.png",0)
# threshold image
ret,thresh_binary = cv.threshold(cell1,107,255,cv.THRESH_BINARY)
# findcontours
contours, hierarchy = cv.findContours(image =thresh_binary , mode = cv.RETR_TREE,method = cv.CHAIN_APPROX_SIMPLE)
# create an empty mask
mask = np.zeros(cell1.shape[:2],dtype=np.uint8)
# loop through the contours
for i,cnt in enumerate(contours):
# if the contour has no other contours inside of it
if hierarchy[0][i][2] == -1 :
# if the size of the contour is greater than a threshold
if cv2.contourArea(cnt) > 10000:
cv.drawContours(mask,[cnt], 0, (255), -1)
# display result
cv2.imshow("Mask", mask)
cv2.imshow("Img", cell1)
cv2.waitKey(0)
cv2.destroyAllWindows()