用OpenCV计算蚕卵

Question

我正在尝试编写一个python脚本来计算蚕卵的数量。有些图像确实很小，有些图像有重叠的椭圆/圆形，这有点困难。我尝试了以下方法：

im = cv2.imread('eggs1.png')
hsv = cv2.cvtColor(im, cv2.COLOR_BGR2HSV)
th, bw = cv2.threshold(hsv[:, :, 2], 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
morph = cv2.morphologyEx(bw, cv2.MORPH_CLOSE, kernel)
dist = cv2.distanceTransform(morph, cv2.DIST_L2, cv2.DIST_MASK_PRECISE)
borderSize = 75
distborder = cv2.copyMakeBorder(dist, borderSize, borderSize, borderSize, borderSize, 
                                cv2.BORDER_CONSTANT | cv2.BORDER_ISOLATED, 0)
gap = 10                                
kernel2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2*(borderSize-gap)+1, 2*(borderSize-gap)+1))
kernel2 = cv2.copyMakeBorder(kernel2, gap, gap, gap, gap, 
                                cv2.BORDER_CONSTANT | cv2.BORDER_ISOLATED, 0)
distTempl = cv2.distanceTransform(kernel2, cv2.DIST_L2, cv2.DIST_MASK_PRECISE)
nxcor = cv2.matchTemplate(distborder, distTempl, cv2.TM_CCOEFF_NORMED)
mn, mx, _, _ = cv2.minMaxLoc(nxcor)
th, peaks = cv2.threshold(nxcor, mx*0.5, 255, cv2.THRESH_BINARY)
peaks8u = cv2.convertScaleAbs(peaks)
contours, hierarchy = cv2.findContours(peaks8u, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
peaks8u = cv2.convertScaleAbs(peaks)    # to use as mask
for i in range(len(contours)):
    x, y, w, h = cv2.boundingRect(contours[i])
    _, mx, _, mxloc = cv2.minMaxLoc(dist[y:y+h, x:x+w], peaks8u[y:y+h, x:x+w])
    cv2.circle(im, (int(mxloc[0]+x), int(mxloc[1]+y)), int(mx), (255, 0, 0), 2)
    cv2.rectangle(im, (x, y), (x+w, y+h), (0, 255, 255), 2)
    cv2.drawContours(im, contours, i, (0, 0, 255), 2)

cv2.imshow('circles', im)
cv2.waitKey(0)
cv2.destroyAllWindows()

gray = cv2.imread("eggs2.jpg", 0)

## threshold
th, threshed = cv2.threshold(gray, 100, 255,cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)

## findcontours
cnts = cv2.findContours(threshed, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2]


## filter by area
s1= 3
s2 = 20
xcnts = []
for cnt in cnts:
    if s1<cv2.contourArea(cnt) <s2:
        xcnts.append(cnt)

print("Dots number: {}".format(len(xcnts)))

和

import cv2
import numpy as np

img = cv2.imread('image4.jpg', 0)
seed_pt = (184,252)
fill_color = 50
mask = np.zeros_like(img)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
for th in range(60, 120):
    prev_mask = mask.copy()
    mask = cv2.threshold(img, th, 255, cv2.THRESH_BINARY)[1]
    mask = cv2.floodFill(mask, None, seed_pt, fill_color)[1]
    mask = cv2.bitwise_or(mask, prev_mask)
    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
cv2.imshow('image',mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用之类的图像时，计数结果最接近但失败。其中一些图像包括：，

是否有更好的方法来获得准确或接近准确的计数？

Answer 1

正如这里的人们（克里斯·伦戈（Cris Luengo），米卡（Micka）和雷瑞恩（rayryeng））所说，使用第一张照片将非常困难。但是，我看到了一种解决方法（不确定是否可以正常工作，但希望如此）。

鸡蛋的颜色可能不同，因此使用HSV / RGB阈值可能并不总是有效，或者总是需要调整。我建议尝试使用边缘检测算法。具体来说，请看拉普拉斯算子，Canny和Sobel方法。

因此，基本上，这些方法会寻找图像颜色的急剧变化。让我们考虑一下Sobel算子，它通过对各个蒙版和沿着图像的滑动窗口进行卷积来工作。该卷积给出了区域的数字差异，因此颜色变化越大，运算符的输出就越大。如果需要，可以将其设置为阈值以获取二进制图像。

具有二进制图像，您可以使用它的形态来减少噪声并提高图像质量。如果效果良好，则可以得到闭合的卵形轮廓，这或多或少是可以计数的。

当然，这种方法可以归结为与HSV / RGB阈值处理类似的方法，但是在计数覆盖鸡蛋时可能有用。

如果您有大量（字面上很多）的时间和数据需要处理，则可能要使用机器学习（HOG + SVM，RCNN等）。但这需要大量数据和时间。

祝你好运！