Python 检测灰度图像中黑色区域的存在

我的目标很模糊，因此我没有任何可复制的代码

我想开发一个网络，我用特定类型的灰度图像来训练它，它将检测出高于特定灰度强度阈值的区域

我应该如何进一步进行这项工作？我需要神经网络吗

下面是一些示例图像。左边的那个是它应该是什么样子，中间的一个是当它发现有一些黑线（不完全是黑色的，但是在灰度强度的某个阈值以上），右边的那个是我期望我的代码的输出。 PS在检测CT扫描中的裂纹时，这一点特别重要，在其他灰度背景中，裂纹显示为深黑色斑点/线条

---

这是一个非常琐碎的问题，你肯定不需要神经网络来解决这个问题。如果您正在处理灰度图像，并且知道您感兴趣的强度阈值（例如，允许强度值高达3），则只需执行简单的阈值操作即可识别黑色区域

这可能也适用于您的ct扫描应用程序，前提是这些“裂缝”的强度始终非常低

例如，对于我在示例图像中应用“裂缝”的ct图像，这些裂缝的阈值将非常有效（您只会得到一些背景噪声/瑕疵）。请参见以下截取的OpenCV：

import numpy as np
import cv2

# Load an color image in grayscale
img = cv2.imread('chest-ct-lungs.jpg',0)
ret,thresh = cv2.threshold(img,3,255,cv2.THRESH_BINARY)
cv2.imwrite('output.png',thresh)

输入：

原始图像来源：www.radiologyinfo.org

输出：

---

正如您所看到的，这实际上只是3行代码，不要总是假设您必须使用神经网络来处理所有事情，有时最好只是用“老式方式”解决图像处理问题。特别是如果问题很小的话

它太模糊了，您可能可以添加一些示例图像。这个链接可能会给你一些指导-你需要一个网络做什么？如果你的目标是一个全局阈值，只需应用一个。添加一些好的和不好的示例图像，我相信会有人能够提供帮助。黑色区域将在图像中以较低的数字表示，因为它们的亮度或强度较低，所以你可能希望检测阈值以下的项目。你可能不需要神经网络，但你需要一些更具代表性的图像。@vedantgala只要裂缝的强度没有改变，无论扫描的身体部位如何，树洞仍然会产生相同的结果。你知道我怎样才能得到线条周围的红色框，并将这些线条保留在同一图像上吗？@vedantgala计算相反，使用反向二进制图像（使用选项

THRESH\u binary\u INV

），然后使用

findContours

计算此图像的计数。使用

boundingRect

函数计算每个轮廓的边界框，最后将它们绘制到原始图像上。关于如何使用OpenCV实现这一点，应该有很多教程。