Python 用opencv处理不同质量的图像

我正在分析一幅图像，以便在图像中找到棕色的物体。我正在对图像进行阈值处理，并将最暗的部分作为棕色细胞。但是，根据图像的质量，有时无法识别对象。在OpenCV Python中是否有任何解决方案，例如预处理灰度图像并定义棕色对特定图像的含义

我用来查找棕点的代码如下：

def countBrownDots（图像文件）：
im=cv2.imread（图像文件）
#改变颜色空间
灰色=cv2.CVT颜色（im、cv2.COLOR\U BGR2GRAY）
灰色=增加亮度（灰色）
l1，thresh=cv2.阈值（灰色，10255，cv2.thresh\u二进制\u INV）
阈值=nImage.gaussian_滤波器（阈值，16）
l2，thresh=cv2.阈值（thresh，70255，cv2.thresh\u二进制）
阈值=nImage.gaussian_滤波器（阈值，16）
cv2.imshow（“阈值22”，阈值）
rmax=pymorp.regmax（thresh）
nim=pymorp.overlay（thresh，rmax）
种子，nr_核=nImage.标签（rmax）
cv2.imshow（“原件”，im）
cv2.imshow（“布朗”，nim）

以下是一个输入图像示例：

---

查看HSV颜色空间中的图像，以下是并排堆叠的3个平面

虽然人们建议根据色调进行分割，但在饱和度和值平面中实际上有更多的鉴别信息。对于此特定图像，使用灰度（即值平面）可能比使用色调获得更好的结果。但是，这不是放弃颜色信息的理由

作为颜色分割的概念证明（使用Gimp），我只是随机选择了一个棕色斑点，并将所有颜色从该斑点更改为绿色，颜色距离小于60，得到以下结果：

如果你稍微使用一下参数，你可能会得到你想要的。然后编写代码。

---

我尝试过对图像进行预处理以对其进行后期处理，但这并没有真正起到帮助。

您好，首先您应该查看HSV空间，在该空间中更容易找到特定的颜色。第二，你应该展示你的问题的图像，以帮助我们理解问题。图像是这样的：根据biquette所说的，你也应该从色调图像中构建一个直方图，看看在给定范围内获取具有色调值的图像区域是否已经解决了问题。注意：有时你可以通过找到所有你不想要的东西来解决问题。我可以计算更改为灰度的对象数量，并对这个特定的图像使用阈值，但当图像更改时，它不起作用。我必须根据图像操作参数。我想做一些通用的所有类型的图像。这可能吗？手动调整许多图像的参数，然后使用这些图像来训练分类器。OpenCV有一个数字可供选择，请参阅。我可能会选择支持向量机，因为如果任何东西都能起作用，但一开始会有点痛苦。