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:
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。
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)
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
- python - 使用 Clearbit API 安装错误退出状态 1
- python - 在 python translate() 中使用 google trans api 时出错,缺少 1 个必需的位置参数:'text'
- powerbi - 无法在 Power BI for Jira Reports 中计划数据集刷新
- android - OnSwipe dragUp 不适用于 MotionLayout 中的子视图
- reactjs - react-select - 如何过滤 2 个选择之间的下拉选项?
- machine-learning - 序列分类模型
- google-chrome-extension - 如何在 Google Chrome Manifest Version 3 Extension 中启动新窗口
- esp32 - 从 AVR 转移到 ESP32 r 使用 1 针和 SPI/DMA 控制 LED 灯条
- python - 在 Google Collab 中运行 EditNTS ... ValueError:不支持的 pickle 协议:5
- java - SpringBoot 从自定义路径提供静态图像