使用 python 和 OpenCV 计算图像上的单元格

Question

我正在尝试编写一个算法来计算图像上的点（单元格）。

这是我迄今为止制作的脚本：

import numpy as np
import cv2
import os

for dirname in os.listdir("images/"):

    for filename in os.listdir("images/" + dirname + "/"):

        # Image read
        img = cv2.imread("images/" + dirname + "/" + filename, 0)

        # Denoising
        denoisedImg = cv2.fastNlMeansDenoising(img);

        # Threshold (binary image)
        # thresh – threshold value.
        # maxval – maximum value to use with the THRESH_BINARY and THRESH_BINARY_INV thresholding types.
        # type – thresholding type
        th, threshedImg = cv2.threshold(denoisedImg, 200, 255,cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU) # src, thresh, maxval, type

        # Perform morphological transformations using an erosion and dilation as basic operations
        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
        morphImg = cv2.morphologyEx(threshedImg, cv2.MORPH_OPEN, kernel)

        # Find and draw contours
        contours, hierarchy = cv2.findContours(morphImg, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        contoursImg = cv2.cvtColor(morphImg, cv2.COLOR_GRAY2RGB)
        cv2.drawContours(contoursImg, contours, -1, (255,100,0), 3)

        cv2.imwrite("results/" + dirname + "/" + filename + "_result.tif", contoursImg)
        textFile = open("results/results.txt","a")
        textFile.write(filename + " Dots number: {}".format(len(contours)) + "\n")
        textFile.close()

这是我的输入图像：

这是我的结果：

现在，这个脚本与该输入配合得很好，但是当我切换到其他输入时：

我得到了一个非常模糊的结果：

我希望能够只保留以下点：

• 圆润

或者 ：

• 就亮度而言，它们在其他点的前 10%
• 哪些足够“大”（相对于图像，我们假设消除表面底部 10% 的点）。

我阅读了有关创建“is_contour_bad”函数的内容，我可以用它来确定轮廓是否坏，是否应该删除。

https://www.pyimagesearch.com/2015/02/09/removing-contours-image-using-python-opencv/

我试图实现它，但没有得到任何结果。 不过，这个想法对我来说似乎很好。

我也虽然根据图像调整阈值和侵蚀/膨胀，但实际上最好的是能够对之前列举的每个参数采取行动。 尽管如此，如果您有想法自动找到图像的有用属性以对其应用正确的过滤器，那可能会很有趣。

如果您有任何想法或代码片段，即使很小，也能帮助我实现该目标，那就太棒了。

在此先感谢您的帮助。

Answer 1

去除不圆润且较小的点的一种方法是使用打开操作（您已经在使用）和您想要的最小点尺寸的圆形结构元素（每个点都小于结构元素将被删除）。 在下图中，有一个与您的问题类似的示例，其中以这种方式删除了小点（来源： https : //homepages.inf.ed.ac.uk/rbf/HIPR2/open.htm ）。 此外，OpenCV 有此操作的实现（ https://docs.opencv.org/trunk/d9/d61/tutorial_py_morphological_ops.html ）。

事实上，你已经使用了这个操作，但在我看来，下面这行定义的结构元素似乎太小了：

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))

此外，由于您显然在使用具有不同分辨率的图像，因此您可以根据图像的分辨率调整结构元素的大小。