Question

我正在OpenCV中编写一个程序，它会拍摄寄生虫卵的图片，并试图识别它们中的至少一部分。我的问题是输入图像我有最好的结果，背景很大。我已经尝试过填充背景并将其裁剪掉，但是当我这样做时，我会选择更糟糕的鸡蛋。

我目前经过深思熟虑的解决方案是将图像与背景一起使用，然后将其填入。感觉这很简单，因为我只想用黑色填充该圆圈以外的任何东西，但我不知道如何实际执行该操作。如果有人能指出要使用的方法，或任何可能很棒的建议。

以下是图片外观的链接：

enter image description here

谢谢！

Answer 1

为我的问题解决了问题，我创建了一个鼠标事件回调函数，它填充了我点击黑色的内容。下面是我在回调中使用的代码：

def paint(event, x, y, flags, param):
    global opening                                                                                                                         

    if event == cv2.EVENT_LBUTTONDOWN:
        h, w = opening.shape[:2]
        mask = np.zeros((h+2, w+2), np.uint8)
        cv2.floodFill(opening, mask, (x,y), (0, 0, 0)) 
        cv2.imshow("open", opening)

Answer 2

您似乎需要将图像的外部填充为黑色，因为它可以更容易识别鸡蛋，因为它们将以白色隔离。

但是，如果寄生虫蛋神奇地显示为蓝色会怎么样？我会在一秒钟内解释这一点，但这种方法可以让您免除每次新样本需要时点击图像的负担待分析。

我用C ++编写了答案，但如果遵循代码的话，我确信你可以快速将其翻译成Python。

#include <iostream>
#include <vector>

#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>


int main(int argc, char* argv[])
{
    // Load input image (3-channel)
    cv::Mat input = cv::imread(argv[1]);
    if (input.empty())
    {
        std::cout << "!!! failed imread()" << std::endl;
        return -1;
    }   

    // Convert the input to grayscale (1-channel)
    cv::Mat grayscale = input.clone();
    cv::cvtColor(input, grayscale, cv::COLOR_BGR2GRAY);

此时灰度的内容如下：

    // Locate the black circular shape in the grayscale image
    std::vector<std::vector<cv::Point> > contours;
    cv::findContours(grayscale, contours, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);

    // Fill the interior of the largest circular shape found with BLUE
    cv::Mat circular_shape = input.clone();
    for (size_t i = 0; i < contours.size(); i++)
    {
        std::vector<cv::Point> cnt = contours[i];
        double area = cv::contourArea(cv::Mat(cnt));        

        if (area > 500000 && area < 1000000) // magic numbers to detect the right circular shape
        {
            std::cout << "* Area: " << area << std::endl;
            cv::drawContours(circular_shape, contours, i, cv::Scalar(255, 0, 0), 
                             cv::FILLED, 8, std::vector<cv::Vec4i>(), 0, cv::Point() );
        }           
    }

此时 circular_shape 的内容如下：

    // Create the output image with the same attributes of the original, i.e. dimensions & 3-channel, so we have a colored result at the end
    cv::Mat output = cv::Mat::zeros(input.size(), input.type());

    // copyTo() uses circular_shape as a mask and copies that exact portion of the input to the output
    input.copyTo(output, circular_shape);

    cv::namedWindow("Eggs", cv::WINDOW_NORMAL | cv::WINDOW_KEEPRATIO);  
    cv::imshow("Eggs", output);
    cv::resizeWindow("Eggs", 800, 600);
    cv::waitKey(0);

    return 0;
}

窗口上显示的输出是：

此解决方案的优点是用户无需与应用程序交互以便于检测鸡蛋，因为它们已经涂成蓝色。

此后，可以对输出图像执行其他操作，例如cv::inRange()到isolate colored objects来自图像的其余部分。

因此，为了完成起见，我将添加更多行文本/代码来演示从这一点开始可以做什么，以便将鸡蛋与图像的其余部分完全隔离： < / p>

// Isolate blue pixels on the output image
cv::Mat blue_pixels_only;
cv::inRange(output, cv::Scalar(255, 0, 0), cv::Scalar(255, 0, 0), blue_pixels_only);

blue_pixels_only 在此阶段看起来像什么：

// Get rid of pixels on the edges of the shape 
int erosion_type = cv::MORPH_RECT; // MORPH_RECT, MORPH_CROSS, MORPH_ELLIPSE
int erosion_size = 3;
cv::Mat element = cv::getStructuringElement(erosion_type, 
                                            cv::Size(2 * erosion_size + 1, 2 * erosion_size + 1), 
                                            cv::Point(erosion_size, erosion_size));
cv::erode(blue_pixels_only, blue_pixels_only, element);
cv::dilate(blue_pixels_only, blue_pixels_only, element);

cv::imshow("Eggs", blue_pixels_only);
cv::imwrite("blue_pixels_only.png", blue_pixels_only);

blue_pixels_only 在此阶段看起来像什么：

填写OpenCV中的单色背景

2 个答案: