Question

我正在尝试在显微镜图像上计数红细胞的数量。这些是较小的单元格。（我首先尝试使用CNN和滑动窗口，但速度太慢，因此我在寻找更简单的细分方式

我的方法是：

阈值
找到并绘制所有填充的轮廓，以使单元格没有孔，
进行距离变换
迭代所有最大值
用半径最大的圆掩盖当前的最大值并存储最大位置

我的问题是，某些单元格的中间有一个“洞”-明亮区域，其值类似于背景。如果我对图像进行阈值处理，则某些单元蒙版将不再是一个圆而是一个半圆，并且距离转换值将大大低于预期值。

我已经在蒙版图像上标记了带有“孔”的单元格。

我可以闭合孔或圆吗？有阈值方法或技巧吗？

下面是负责细胞提取的代码部分：

cv::adaptiveThreshold(_imgIn ,th, 255, ADAPTIVE_THRESH_GAUSSIAN_C, (bgblack ? CV_THRESH_BINARY: CV_THRESH_BINARY_INV), 35, 5 );//| CV_THRESH_OTSU);
                Mat kernel1 = Mat::ones(3, 3, CV_8UC1);
                for (int i=0; i< 5;i++)
                {
                    dilate(th, th, kernel1);
                    erode(th, th, kernel1);
                }
                vector<vector<Point> > contours;        

                findContours(th, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);   

                mask = 0;
                for( unsigned int i = 0; i < contours.size(); i++ )
                { 
                    drawContours(mask, contours, i, Scalar(255), CV_FILLED);
                }


                cv::distanceTransform(mask, dist, CV_DIST_L2, 3);           
            }



            double min, max;
            cv::Point pmax;
            Mat tmp1 = dist.clone();
            while (true)
            {
                cv::minMaxLoc(tmp1, 0, &max, 0, &pmax);
                if ( max < 5 ) 
                    break;
                cv::circle(_imgIn, pmax, 3 , cv::Scalar(0), CV_FILLED );
                cv::circle(tmp1, pmax, max , cv::Scalar(0), CV_FILLED );

            }

Answer 1

关闭孔
Closing是数学形态学领域的重要算子。像它的双重运算符打开一样，它可以从腐蚀和膨胀的基本运算中得出。像那些运算符一样，尽管有灰度版本，它通常也适用于二进制图像。闭合在某些方面与扩张类似，因为它倾向于扩大图像中前景（明亮）区域的边界（并缩小此类区域中的背景色孔），但对原始边界形状的破坏较小。与其他形态运算符一样，确切的运算由结构元素确定。操作员的作用是保留具有与此结构元素相似形状的背景区域，或者可以完全包含该结构元素的背景区域，同时消除背景像素的所有其他区域。

在Open CV中，外观如下

import cv2 as cv
import numpy as np

img = cv.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 1)

closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)

完整文档here。

计数红细胞

1 个答案: