Python 用阈值法检测苹果

我想用阈值法检测苹果。为此，我将图像转换为HSV，然后计算

InRange（）

函数的下限和上限。从中取出一个二进制掩码。因为苹果会相互接触，所以我使用分水岭算法来分离它们

输入图像如下所示：

在

InRange（）

操作和腐蚀后，灰色图像如下所示：

应用分水岭算法，输出如下所示：

问题是左下角的苹果被错误地检测到了。只有两个苹果，显示了三个轮廓，而且其中一个的圆太大了。有什么帮助吗

这是我的密码

import cv2
import numpy as np
import imutils
from scipy import ndimage
from skimage.feature import peak_local_max
from skimage.morphology import watershed

img = cv2.imread('4.jpg')
img = imutils.resize(img, width=640)
# img = cv2.pyrMeanShiftFiltering(img, 21, 51)
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

lower_1 = np.array([0,50,20])
upper_1 = np.array([80,255,255])
mask1 = cv2.inRange(hsv, lower_1, upper_1)

lower_2 = np.array([160,50,20])
upper_2 = np.array([179,255,255])
mask2 = cv2.inRange(hsv, lower_2, upper_2)

gray = mask1+mask2
kernel = np.ones((7,7),np.uint8)
gray = cv2.erode(gray,kernel,iterations = 1)
# gray = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)

thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]


D = ndimage.distance_transform_edt(thresh)
localMax = peak_local_max(D, indices=False, min_distance=20,
    labels=thresh)

markers = ndimage.label(localMax, structure=np.ones((3, 3)))[0]
labels = watershed(-D, markers, mask=thresh)
print("[INFO] {} unique segments found".format(len(np.unique(labels)) - 1))

for label in np.unique(labels):
    if label == 0:
        continue

    mask = np.zeros(gray.shape, dtype="uint8")
    mask[labels == label] = 255

    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)
    c = max(cnts, key=cv2.contourArea)

    ((x, y), r) = cv2.minEnclosingCircle(c)
    if r > 25 and r < 55:
        cv2.circle(img, (int(x), int(y)), int(r), (0, 255, 0), 2)
        cv2.putText(img, "{}".format(round(r)), (int(x) - 10, int(y)),
            cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)

cv2.imshow('thresh', thresh)
cv2.imshow('gray', gray)
cv2.imshow('img', img)

cv2.waitKey(0)
cv2.destroyAllWindows()

导入cv2
将numpy作为np导入
导入imutils
从scipy导入ndimage
从skimage.feature导入峰值\本地\最大值
从skimage.com导入分水岭
img=cv2.imread（'4.jpg'）
img=imutils.resize（img，宽度=640）
#img=cv2。磁均移滤波（img，21，51）
hsv=cv2.CVT颜色（img，cv2.COLOR\U BGR2HSV）
下_1=np.数组（[0,50,20]）
上_1=np.数组（[80255255]）
mask1=cv2.inRange（hsv，下部1，上部1）
下_2=np.数组（[160,50,20]）
上_2=np.数组（[179255255]）
mask2=cv2.inRange（hsv、下_2、上_2）
灰色=mask1+mask2
内核=np.ones（（7,7），np.uint8）
gray=cv2.腐蚀（gray，内核，迭代次数=1）
#gray=cv2.morphologyEx（gray，cv2.MORPH_OPEN，内核）
thresh=cv2.阈值（灰色，0，255，cv2.thresh_二进制| cv2.thresh_大津）[1]
D=nImage.distance\u transform\u edt（阈值）
本地最大值=峰值\u本地\u最大值（D，指数=假，最小距离=20，
标签=脱粒）
markers=ndimage.label（localMax，结构=np.ones（（3，3））[0]
标签=分水岭（-D，标记，遮罩=阈值）
打印（“[INFO]{}找到唯一段”。格式（len（np.unique（labels））-1））
对于np.unique中的标签（标签）：
如果标签==0：
持续
掩码=np.零（gray.shape，dtype=“uint8”）
掩码[标签==标签]=255
cnts=cv2.findContentours（mask.copy（），cv2.RETR_EXTERNAL，
cv2.链条（近似简单）
cnts=imutils.GRAP_轮廓（cnts）
c=最大值（CNT，键=cv2.轮廓面积）
（（x，y，r）=cv2.闭合圆（c）
如果r>25且r<55：
圆（img，（int（x），int（y）），int（r），（0，255，0），2）
cv2.putText（img，“{}.”格式（round（r）），（int（x）-10，int（y）），
cv2.FONT_HERSHEY_SIMPLEX，0.6，（0,0,255），2）
cv2.imshow（'thresh'，thresh）
cv2.imshow（“灰色”，灰色）
cv2.imshow（“img”，img）
cv2.等待键（0）
cv2.destroyAllWindows（）

尝试在

cv2.inRange（）之后打开cv2.MORPH\u，以便更好地分割连接的blob