检测图像中重叠的椭圆区域（MATLAB）

Question

我在一个二进制图像中有多个植物。假设每片叶子大致呈椭圆形，我如何识别图像中的每片叶子？ 示例输入：http://i.imgur.com/BwhLVmd.png

我认为一个好的起点是找到每片叶子的尖端，然后获得每株植物的中心。然后我可以从尖端开始然后到达中心来拟合曲线。我一直在网上看到一些涉及分水岭方法的东西，但我不知道从哪里开始这个想法。

Answer 1

你应该意识到这些事情很难有效地工作 - 总会有失败的情况。

这就是说，我认为你的想法并不坏。

您可以按照以下步骤开始：

1. 识别每株植物的边界曲线（即邻域中有前景和背景的像素）。

2. 计算每株植物的质心。

3. 将每个植物边界转换为polar coordinate system，以质心为原点。这相当于设置一个坐标系，其中Y轴上每个边界曲线点的距离和X轴上的角度。

4. 在边界曲线的这种表示中，尝试识别最大值;这些是叶子的提示。您可能需要进行一些平滑处理。在开始拟合椭圆或其他形状的最大值之前和之后使用曲线的部分。

通常，极坐标系统总是用于分析大致圆形的东西。

为了适合你的省略号，一旦你有一个粗略的初始位置，我可能会尝试EM-style方法。

Answer 2

我会做这样的事情（I是你的二进制图像）

I=bwmorph(bwmorph(I, 'bridge'), 'clean');

SK=bwmorph(I, 'skel', Inf);
endpts = bwmorph(SK,'endpoints');
props=regionprops(I, 'All');

然后将props.centroid中列出的质心中的每个片段连接到应该给你叶子（花瓣？）的endpts元素。

可能需要进行一些过滤，bwmorph是您的朋友。玩得开心！

Answer 3

正如我们在上一篇文章中所讨论的，我将在一个工厂中提取叶子：

ii=regionprops(I1,'all');  % I1 is the image with only one plant extracted
 center = ii.Centroid;  
 pid=ii.PixelList;
 mm=sum(bsxfun(@minus,pid,center).^2,2);
 [a,b]=sort(mm);
 for n=1:1000  % the larger this number is, the more separated among the leafs, which is good for you to use bwlabel for further processing
     I1(pid(b(n),2),pid(b(n),1))=0;
 end
 imshow(I1)