堆棧內存溢出
cost 276 ms
找到分割圖像的兩個區域的界面

[英]Finding the Interface of two regions of a segmented image

我有一個共享一個邊界的兩個區域的分段（按分水嶺）圖像。 我如何輕松找到界面上像素的position？ 我嘗試使用此答案中的提示，但無法正常工作。 這是我的示例代碼： nlist 似乎只是一個包含一個元素 1: [1]的列表。 我期待 position 像素。 我在使用圖形和 RAG 方面沒有太多經 ...

分水嶺分割后的 label 分配不正確（Python）

[英]Incorrect label assignment after watershed segmentation (Python)

我正在使用 skimage.segmentation.watershed 分割一些粒子。 這工作得很好，我設法將它們分開（見圖）。 分割后的圖像。 但是，當我使用 ndi.label 到 label 時，不同的區域，並不是所有的段都被分開了，有些被分配了相同的label （即使有分水嶺，對於實例左 ...

獲取重疊圖像的邊緣/邊界

[英]Get Edges/boundary for overlapping image

我這里有一個牙科 X 光面罩，所有牙齒都相互重疊。 我想計算圖像中存在的牙齒數量，因為我想分離重疊的牙齒，因此我可以使用基於輪廓的方法來計算牙齒數量，我嘗試了以下方法，但它給出的結果是這樣的。 如何提取每顆牙齒的邊界？ 編輯： 根據 fmw42 的回答，我又添加了一張圖像，它顯示出更多的重疊，但在簡 ...

C++ 和 OpenCV 4.5.3 -（-215：斷言失敗）

[英]C++ and OpenCV 4.5.3 - (-215: Assertion failed)

問題：分水嶺算法我開始了應用程序項目，用於圖像處理，使用 OpenCv 4.5.3 和 Swift （使用 C++ ）。 我正在與分水嶺算法作斗爭。 很長一段時間......而且我不知道我做錯了什么。 就是不知道... 錯誤： 在 openCv 分水嶺的定義中我們可以發現： 代碼+(UIImage ...

區域隨着分水嶺變換誤差而增長

[英]Region growing with the watershed transform error

大家好，我是圖像處理的新手，我一直在嘗試來自 adfoucart 的代碼，但我一直收到此錯誤 https://github.com/adfoucart/image-processing-notebooks/blob/main/V31%20-%20Region%20growth%20with%20th ...

區域隨着分水嶺變換而增長

[英]Region growing with the watershed transform

我正在嘗試使用 adfoucart 編寫的代碼，用於使用分水嶺變換進行區域增長，但在識別圖像標記時遇到了一些錯誤。 我收到了這個錯誤。 任何幫助將不勝感激！ ...

如何為神經網絡分割一批豆子

[英]How to segment a batch of beans for neural network

我遇到了一個問題，我想在混合物中識別不同的咖啡豆。 我創建了一個神經網絡，它能夠單獨識別不同的豆子。 但在實踐中，我想開發一種算法，可以在更大的批次中檢測這些 bean。 沒有必要識別圖片中的所有豆子，但是當我能夠識別更大批次中的 10-15 個豆子時，這就足夠了。 現在的問題是，當只有一層具有對比 ...

分水嶺分割后圍繞單元格繪制圓圈 - openCV/Python

[英]Drawing circles around cells after watershed segmentation - openCV/Python

我遵循了一個關於分水嶺分割的教程，並用它來分割圖像中的每個紅細胞。 我是 openCV 的新手，我想知道是否可以通過使用分水嶺分割在單元格周圍繪制圓圈？ 如果是這樣，請您展示它是如何完成的。 原始圖像 Output 的分水嶺分割 代碼如下 ...

如何改進 Python 中異質結構的分水嶺分割？

[英]How can I improve Watershed segmentation of heterogenous structures in Python?

我正在使用 Python 中的分水嶺算法對細胞（顯微圖像）進行簡單分割。90% 的情況下我對結果感到滿意，但我有兩個主要問題：(i) 標記/輪廓確實“尖峰”和 (2) 當兩個單元格彼此靠近（即它們被分割在一起）時，算法有時會失敗。 你能給出一些改進的建議嗎？ 這是我正在使用的代碼和顯示我的 2 個 ...

如何分水嶺兩個相連的圓圈

[英]How to watershed two connected circles

我正在使用兩個圖像： （這里的圖片大小不一樣，但在我的程序中是一樣的） 在采用上面兩張圖片的skimage.metrics.structural_similarity()之后，我有以下閾值： 正如你所看到的，它由 2 個形狀組成，它們幾乎是圓形但又不完全是（右下角多余的部分是圓形的陰影） 我 ...

什么是 C++ 實現或本地峰值檢測器 skimage.feature.peak_local_max 的模擬？

[英]What is a C++ implementation or analogue of the local peak detector skimage.feature.peak_local_max?

我需要在深度圖像上找到局部峰值，以便為 C++ 中的分水嶺算法生成標記。 我的 Python 實現使用skimage.feature.peak_local_max生成分水嶺算法的標記。 找不到 skimage.feature.peak_local_max function 的C++實現或C++ 類 ...

為什么當我的種子點與我要填充的容器一樣大時，來自 scikit-image 的分水嶺 function 不起作用

[英]Why do watershed function from scikit-image does not work when my seed points are exactly as large as the vessels I want to fill

好的，情況就是這樣，我想為這個二進制船只圖像制作一個分水嶺。 二元血管。 我想將這些彩色血管用作算法的種子點。 種子點似乎當我使用原始彩色圖像時，分水嶺不會比彩色圖像更遠。 目標是擁有這個形象。 填充二元容器代碼使用的是這個 我發現的唯一解決方案是侵蝕標記數據（第一張彩色圖像）。 你們有解決方案為什 ...

打開 CV 分水嶺沒有正確分割橢圓對象

[英]Open CV Watershed not segmenting oval objects properly

嘗試創建一種方法來處理圖像以計算不同類型的平板電腦。 以下代碼對圓形對象運行良好，但是橢圓形會產生我無法找到解決方法的問題。 正在使用的圖像是： https://imgur.com/a/1U49DeT 過濾后的 Output 得到： https://imgur.com/a/vXwrWlG 任何有 ...

分水嶺分割后提取對象

[英]Extracting objects after watershed segmentation

我需要分割下圖中的種子並裁剪它們。 https://i.stack.imgur.com/ndOkX.jpg 它們可能非常接近，有時會重疊，所以我選擇使用分水嶺算法來完成這項任務。 在繪制返回的標記的輪廓之后，我的結果如下圖所示，正如您所看到的，我在定義用於應用它的好標記時遇到了問題。 概述了 ...

Skimage 分水嶺和粒度檢測

[英]Skimage watershed and particles size detection

我有以下圖像。 我能夠使用分水嶺使用下面的代碼檢測所有粒子。 但是，現在我需要計算圖中每個粒子的大小，如果我使用“標簽”圖像，由於某些原因我無法使用函數 cv2.findContours。 有人願意分享一些想法嗎？ 如果您提出一些代碼，請包括解釋，因為我是初學者。 :) 非常感謝！ ...

使用gdal而不是arcpy將e00文件轉換為python中的其他可用格式（shp，gtiff等）

[英]convert e00 file into another usable format (shp, gtiff, whatever) in python, using gdal and not arcpy

我在利用gdal類/功能時遇到困難。 這是我的最終項目所必需的。 具體來說，我對gdal.translate感興趣。 似乎可以對e00文件進行柵格轉換，但是我在任何對話中都沒有成功。 參數似乎甚至沒有指定文件的最終轉換類型。 我還要射擊什么？！ 我很迷茫，沒有找到任何gdal代碼 ...

Skimage合並過度分割的區域

[英]Skimage merge over-segmented regions

我正在嘗試將此圖像分為九個單獨的區域（重疊的圓形區域）。 由於圓圈重疊，我認為分水嶺分割將是最好的方法。 我按照這個scikit-image.org示例在圖像上執行該技術，並且圖像被過度分割，並且得到了10個分段，而不是9個分段，如通過ndi.labels函數檢查的那樣。 在peak_ ...


排序:
質量:
 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM