寻找图像中的凹坑

Question

我的一位朋友正在研究以下项目：

下面是不锈钢表面的显微镜（SEM）图像。

但是你可以看到，它被腐蚀了一点（长时间暴露在海洋环境中）并且在表面形成了一些凹坑。一些坑被标记为红色圆圈。

他需要找到图像中的坑数，并且他手动计算它（想象一下，有近150张图像）。所以我想到了使用任何图像处理工具自动化这个过程。

  

问题：

     

如何在此图像中找到凹坑数？

---

我尝试了什么：

作为第一步，我通过关闭操作改善了对比度。

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('6.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11))

close = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)

close2 = cv2.add(close,1)
div = (np.float32(gray)+1)/(close2)
div2 = cv2.normalize(div,None, 0,255, cv2.NORM_MINMAX)
div3 = np.uint8(div2)

结果：

然后我为127应用了一些阈值并在其中找到轮廓。之后这些轮廓根据它们的面积进行过滤（没有关于该区域的具体信息，我将1-10的范围作为经验值）。

ret, thresh = cv2.threshold(div3, 127,255, cv2.THRESH_BINARY_INV)
temp, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

res = np.zeros(gray.shape,np.uint8)

for cnt in contours:
    if 1.0 < cv2.contourArea(cnt) < 10.0:
        res = cv2.drawContours(res, [cnt], 0, 255, -1)

plt.subplot(121); plt.imshow(img, 'gray'); plt.subplot(122); plt.imshow(res,'gray'); plt.show() 

但最终会产生很多额外的噪音。请参阅以下结果：

---

其他信息：

一些测试图像：

Answer 1

你的案例让我想起了一篇论文（Human Detection Using a Mobile Platform and Novel Features Derived From a Visual Saliency Mechanism），它根据中心神经节细胞概念计算图像上的显着性，即检测被黑暗区域包围的明亮像素的方法（或相反的方法，中心细胞）。

要近似这些单元格，您可以使用矩形区域。通过使用积分图像，您可以加快程序。查看纸张了解详情。

另一个想法是复合滤波器的卷积。找到一个非常靠近每个坑的模板，并将模板与图像相关联（或使用多个过滤器进行比例/形式变化）。