Question

我的图像如下所示：

http://oi62.tinypic.com/2dr5jd0.jpg

我在代码中应用某种阈值。我可以将下面的蓝色物体分开：

http://oi62.tinypic.com/1zdrmzp.jpg

但是，现在我在分离这些蓝色物体时遇到了问题。我应用了分水岭（我不知道我是对还是错）但它没有成功，所以我需要帮助来分离这些连接的对象。

我尝试使用的代码如下所示：

RGB=imread('testImage.jpg');
RGB = im2double(RGB);
cform = makecform('srgb2lab', 'AdaptedWhitePoint', whitepoint('D65'));
I = applycform(RGB,cform);
channel1Min = 12.099;
channel1Max = 36.044;
channel2Min = -9.048;
channel2Max = 48.547;
channel3Min = -53.996;
channel3Max = 15.471;
BW = (I(:,:,1) >= channel1Min ) & (I(:,:,1) <= channel1Max) & ...
    (I(:,:,2) >= channel2Min ) & (I(:,:,2) <= channel2Max) & ...
    (I(:,:,3) >= channel3Min ) & (I(:,:,3) <= channel3Max);
maskedRGBImage = RGB;
maskedRGBImage(repmat(~BW,[1 1 3])) = 0;
figure
imshow(maskedRGBImage)

Answer 1

一般来说，这种类型的细分是一个严重的研究问题。在您的情况下，使用morphology operations的组合可以很好地完成。这些在显微镜图像处理中得到广泛应用。

首先，通过移除小斑点和填充洞来清理BW，

BWopen = imopen(BW, strel('disk', 6));
BWclose = imclose(BWopen, strel('disk', 6));

（您可能希望稍微调整结构元素，“6”只是一个似乎适用于测试图像的半径。）

然后你可以使用侵略性侵蚀来产生一些种子

seeds = imerode(BWclose, strel('disk', 35));

可以用于分水岭，或者只是将BW中的每个点分配给最近的种子

labels = bwlabel(seeds);

[D, i] = bwdist(seeds);
closestLabels = labels(i);
originalLabels = BWopen .* closestLabels;

imshow(originalLabels, []);

Answer 2

我会尝试以下步骤：

将图像转换为灰色，然后转换为二进制蒙版。
应用形态开口（imopen）清洁小的嘈杂物体。
使用bwlabel应用连接组件分析（CCA）。每个连接的组件至少包含一个对象。
这些蓝色物体看起来像拉伸/扭曲的圆圈，所以我会尝试Hough变换来检测每个标记组件内的cicles。有一个内置函数（imfindcircles）或在线可用的代码（Hough transform for circles），具体取决于您的Matlab版本和可用的工具箱。
然后，您需要对每个组件内的对象数量N做出一些决定（N> = 1）。我事先并不知道最佳标准应该是什么，但您也可以应用这些简单的规则： [i]对象需要具有最小尺寸。 [ii]重叠圆圈对应同一个对象（或不对应，具体取决于重叠量）。
然后，圆形质心可以作为种子来完成最终的对象分割。当然，如果每个组件中只有一个圆圈，则只需将其直接保留为对象。

我没有在Matlab中检查所有有效步骤，但我很快检查了1,2和4，他们似乎很有希望。我在图像的中心显示最困难组件的圆检测结果：

我用来创建此图片的代码是：

close all;clear all;clc;

addpath 'circle_hough'; % add path to code of [Hough transform for circles] link above

im = imread('im.jpg');
img = rgb2gray(im);

mask = img>30; mask = 255*mask; % create a binary mask
figure;imshow(mask)

% filter the image so that only the central part of 6 blue objects remains (for demo purposes only)
o = zeros(size(mask)); o(170:370, 220:320) = 1;
mask = mask.*o; 
figure;imshow(mask);

se = strel('disk',3); 
mask = imopen(mask,se); % apply morphological opening
figure;imshow(mask);

% check for circles using Hough transform (see also circle_houghdemo.m in [Hough transform for circles] link above)
radii = 15:5:40; % allowed circle radii 
h = circle_hough(mask, radii, 'same', 'normalise');
% choose the 10 biggest circles
peaks = circle_houghpeaks(h, radii, 'nhoodxy', 15, 'nhoodr', 21, 'npeaks', 10);

% show result
figure;imshow(im);
for peak = peaks
    [x, y] = circlepoints(peak(3));
    hold on;plot(x+peak(1), y+peak(2), 'g-');
end

Answer 3

一些自发的想法。我假设最终目标是计算蓝色小体。如果是这样，我会寻找一种方法来确定这些物体的总面积和细胞的平均面积。作为第一步转换为二进制（黑色和白色）：

git pull --rebase

由于形态学操作（打开/关闭）不会保留区域，我会使用bwlabel查找连接的组件。看图片，我看到12个孤立的小体，两个连通的组，边缘的一些截断的小体和一些小的噪声片段。因此，首先删除小物体和那些接触边缘。然后确定总面积（bwarea）和对象的中值大小作为一个细胞平均面积的代理。

如何从图像中分离出相同颜色的连接对象？

3 个答案: