时间戳

首页 > 解决方案 > 如何使用 Python 和 OpenCV 实现良好的边缘检测来校准一些非常小的东西

python - 如何使用 Python 和 OpenCV 实现良好的边缘检测来校准一些非常小的东西

问题描述

我想用 Python 和 OpenCV 实现非神经网络边缘检测来校准一些非常小的东西，比如显微镜下的精子。不幸的是，我发现精子的尾巴很难校准，而且它们与背景非常相似。

我用来cv2.pyrMeanShiftFiltering()实现降噪，用来cv2.findContours()寻找轮廓。结果是这样的：

结果：

结果 这是原图：

这是我的代码：

import cv2 as cv
import numpy as np
import os
path = "/home/rafael/Desktop/2.jpg"

def detection(img):
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    #ret, dst = cv.threshold(gray, 200, 255, cv.THRESH_OTSU)
    ret, dst = cv.threshold(gray, 188, 255, cv.THRESH_BINARY_INV)
    return dst

image = cv.imread(path)

img = cv.pyrMeanShiftFiltering(src = image, sp = 5, sr = 40)

dst = detection(img)
src, contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
cv.drawContours(image, contours, -1, (0, 0, 255), 2)
cv.namedWindow('img', cv.WINDOW_NORMAL)
cv.imshow('img', image)
cv.waitKey(0)

我尝试了Luke的方法，代码在这里：

import cv2 as cv
import numpy as np
import os

path = "/home/rafael/Desktop/2.jpg"

def enhance(img):
    img = cv.resize(img, (0, 0), fx = 0.3, fy = 0.3)
    blur = cv.GaussianBlur(img, (23, 23), 0)
    img = cv.add(img[:, :, 1], (img[:, :, 1] - blur[:, :, 1]))
    return img

def detection(img):
    ret, dst = cv.threshold(img, 190, 255, cv.THRESH_BINARY_INV)
    return dst

image = cv.imread(path)
img = enhance(image)
dst = detection(img)

src, contours, hierarchy = cv.findContours(dst, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
cv.drawContours(img, contours, -1, (0, 0, 255), 2)
cv.namedWindow('img', cv.WINDOW_NORMAL)
cv.imshow('img', img)
cv.waitKey(0)

结果是这样的： 最新的图片 虽然我使用了一个很大的阈值（190），即使出现了很多噪音，代码仍然找不到尾巴。我该如何解决这个问题？如果有人能教我如何改进这个简单的边缘检测程序，非常感谢。

标签： pythonopencvedge-detection

解决方案

灰色背景上的精子尾巴总是蓝绿色吗？在这种情况下，您可以使用简单的分段。

首先将图像转换为 HSV，如果 H 值在蓝/绿范围内，则将其标记为前景。

import cv2
import numpy as np

img = cv2.imread('img.jpg')

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
lower = np.array([50, 10, 10])
upper = np.array([120, 255, 255])
mask = cv2.inRange(hsv, lower, upper)
res = cv2.bitwise_and(img,img, mask= mask)
cv2.imwrite('test.jpg', res)

kernel = np.ones((5,5), np.uint8)  # note this is a horizontal kernel
d_im = cv2.dilate(mask, kernel, iterations=1)
e_im = cv2.erode(d_im, kernel, iterations=1)

cv2.imwrite('d.jpg', d_im)
cv2.imwrite('e.jpg', e_im)

具有膨胀和腐蚀的图像蒙版

图像按顺序是：应用了蒙版的图像、具有膨胀的图像蒙版和具有腐蚀的图像蒙版。

推荐阅读