使用opencv处理不同质量的图像

Question

我正在分析图像以查找图像中的棕色物体。我正在对图像进行阈值处理，并将最黑暗的部分视为棕色细胞。但是，根据图像的质量，有时无法识别对象。在OpenCV Python中是否有任何解决方案，例如预处理灰度图像并定义棕色对特定图像的含义？

我用来查找棕色点的代码如下：

def countBrownDots(imageFile): im = cv2.imread(imageFile) #changing color space gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) gray = increaseBrighntness(gray) l1,thresh = cv2.threshold(gray,10,255,cv2.THRESH_BINARY_INV) thresh = ndimage.gaussian_filter(thresh, 16) l2,thresh = cv2.threshold(thresh,70,255,cv2.THRESH_BINARY) thresh = ndimage.gaussian_filter(thresh, 16) cv2.imshow("thresh22",thresh) rmax = pymorph.regmax(thresh) nim = pymorph.overlay(thresh, rmax) seeds,nr_nuclei = ndimage.label(rmax) cv2.imshow("original",im) cv2.imshow("browns",nim)

这是一个输入图像示例：

Answer 1

看看HSV色彩空间中的图像，这里是并排堆叠的3个平面

虽然人们建议基于色调进行分割，但实际上饱和度和值平面中存在更多的判别信息。对于这个特定的图像，灰度（即值平面）可能比使用色调得到更好的结果。但是，没有理由丢弃颜色信息。

作为概念验证（使用Gimp）进行颜色分割，我只是随机选择一个棕色斑点并将所有颜色从该点到颜色距离小于60变为绿色以获得：

如果你稍微玩一下参数，你可能会得到你想要的。然后编写代码。 我尝试预处理mean shift filtering来图像化图像，但这并没有真正帮助。