Question

是否有一个OpenCV（android）实现＆＃34;滚球＆＃34;在ImageJ中找到的背景减法算法：处理 - ＆gt;减去背景？

OpenCV有一个BackgroundSubtractorMOG类，但它用于视频流而非单个独立图像。

这是此方法的作用示例： http://imgur.com/8SN2CFz

以下是该流程的文档：http://imagejdocu.tudor.lu/doku.php?id=gui:process:subtract_background

Answer 1

我所知道的OpenCV C库中没有实现，而且Android JNI包装器就是这样 - 围绕主库的包装。

已经说过ImageJ实现的源代码可以在线here获得，因此您应该可以将它直接合并到您的Android图像处理管道中。

关于滚球与例如滚球的相对优点有一些讨论。使用磁盘结构元素（在OpenCV中可用）here。

如果您绝对需要滚球和OpenCV，那么很遗憾它不是“开箱即用”。

Answer 2

如果有人还在寻找python中的滚球背景校正。对我来说，以下结果非常好。

加载图像并分别处理每个通道。
创建加权球结构元素
使用白色tophat转换

以下是单色图像的一些代码：

import scipy.ndimage as scim
from scipy.misc import imsave
from skimage.morphology import ball
# Read image
im = scim.imread("path")[:,:,0].astype(int)
# Create 3D ball structure
s = ball(50)
# Take only the upper half of the ball
h = int((s.shape[1] + 1) / 2)
# Flat the 3D ball to a weighted 2D disc
s = s[:h, :, :].sum(axis=0)
# Rescale weights into 0-255
s = (255 * (s - s.min())) / (s.max()- s.min())
# Use im-opening(im,ball) (i.e. white tophat transform) (see original publication)
im_corr = scim.white_tophat(im, structure=s)
# Save corrected image
imsave('outfile', im_corr)

这给出了与imagej实现完全相同的结果，但结果非常相似。就我而言，有更好和更差的纠正区域。此外，整体色彩强度更高。

Answer 3

在@ Xenthor的回答基础上，我想出了这个：

import numpy as np
import scipy.ndimage as ndi
from scipy.ndimage._ni_support import _normalize_sequence

def rolling_ball_filter(data, ball_radius, spacing=None, top=False, **kwargs):
    """Rolling ball filter implemented with morphology operations

    This implenetation is very similar to that in ImageJ and uses a top hat transform
    with a ball shaped structuring element
    https://en.wikipedia.org/wiki/Top-hat_transform

    Parameters
    ----------
    data : ndarray
        image data (assumed to be on a regular grid)
    ball_radius : float
        the radius of the ball to roll
    spacing : int or sequence
        the spacing of the image data
    top : bool
        whether to roll the ball on the top or bottom of the data
    kwargs : key word arguments
        these are passed to the ndimage morphological operations

    Returns
    -------
    data_nb : ndarray
        data with background subtracted
    bg : ndarray
        background that was subtracted from the data
    """
    ndim = data.ndim
    if spacing is None:
        spacing = np.ones_like(ndim)
    else:
        spacing = _normalize_sequence(spacing, ndim)

    radius = np.asarray(_normalize_sequence(ball_radius, ndim))
    mesh = np.array(np.meshgrid(*[np.arange(-r, r + s, s) for r, s in zip(radius, spacing)], indexing="ij"))
    structure = 2 * np.sqrt(1 - ((mesh / radius.reshape(-1, *((1,) * ndim)))**2).sum(0))
    structure[~np.isfinite(structure)] = 0
    if not top:
        # ndi.white_tophat(y, structure=structure, output=background)
        background = ndi.grey_erosion(data, structure=structure, **kwargs)
        background = ndi.grey_dilation(background, structure=structure, **kwargs)
    else:
        # ndi.black_tophat(y, structure=structure, output=background)
        background = ndi.grey_dilation(data, structure=structure, **kwargs)
        background = ndi.grey_erosion(background, structure=structure, **kwargs)

    return data - background, background

Answer 4

opencv中最近有一个滚球实现，您可以在这里找到

https://pypi.org/project/opencv-rolling-ball/

简而言之

安装pip install opencv-rolling-ball

示例

import cv2
from cv2_rolling_ball import subtract_background_rolling_ball

img = cv2.imread(f'path/to/img.tif', 0)
img, background = subtract_background_rolling_ball(img, 30, light_background=True, use_paraboloid=False, do_presmooth=True)

Answer 5

ImageJ实现的原始算法来自1983年的论文https://www.computer.org/csdl/magazine/co/1983/01/01654163/13rRUwwJWBB。我看了一下它，它实际上是带有球形灰度结构元素的灰度形态白色大礼帽（请参见https://en.wikipedia.org/wiki/Top-hat_transform）。在ImageJ实现中（此处为https://imagej.nih.gov/ij/developer/source/ij/plugin/filter/BackgroundSubtracter.java.html），根据结构元素的半径对图像进行降采样，然后将其升采样至原始分辨率，并且默认情况下，在计算像素前，使用3x3均值滤波器进行平滑操作背景减去。这可能解释了Xenthor提出的方法所观察到的差异。

如果您使用的是Android，则有多种选择：1）使用ImageJ库，因为它是Java语言，但是您将需要实现OpenCV-ImageJ图像桥； 2）如果您使用Android NDK在C ++中工作，并且由于OpenCV并未为非平坦结构元素实现灰度形态，则可以使用ITK（https://itk.org/）代替来执行Graycale白色礼帽； 3）仍在使用NDK，此处有一个基于OpenCV的算法的C ++端口：https://github.com/folterj/BioImageOperation/tree/master/BioImageOperation，但仍在进行中。

Answer 6

现在有一个 implementation in scikit-image

from skimage import data, restoration

image = data.coins()
background = restoration.rolling_ball(image)
result = image - background

documentation

中提供了更详细的演练

OpenCV的滚球背景减法算法

6 个答案: