OpenCV Simple Blob Detector未检测到所有blob

Question

我正在尝试将我的一个图像分析脚本从Mathematica移植到Python OpenCV，但是我遇到了其中一个函数的问题。

我设法对图像进行二值化和分水岭，就像在Mathematica中一样。但是，过滤连接组件属性的步骤似乎无法正常工作。

输入图片如下：

但是，我尝试运行以下代码：

import cv2
import numpy as np

img = cv2.imread('test2.4.png', 1)
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Set up the detector and configure its params.
params = cv2.SimpleBlobDetector_Params()
params.minDistBetweenBlobs = 0
params.filterByColor = True
params.blobColor = 255
params.filterByArea = True
params.minArea = 10
params.maxArea = 300000
params.filterByCircularity = False
params.filterByConvexity = False
params.filterByInertia = True
params.minInertiaRatio = 0.01
params.maxInertiaRatio = 1
detector = cv2.SimpleBlobDetector_create(params)

# Detect blobs.
keypointsb = detector.detect(img)

# Draw detected blobs as red circles.
im_with_keypoints = cv2.drawKeypoints(img, keypointsb, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

# Show keypoints
cv2.imwrite('test3.png',im_with_keypoints)

如代码所示，我已将blob检测的参数设置为尽可能宽松。然而，没有检测到大部分斑点，也没有检测到任何分水岭裂缝斑点。

我检查过documentation for the function并调整了大部分内容，但阈值和repeatability除外（因为图片已经被二元化）。是否有任何其他配置我应该执行以便函数检测所有存在的blob？

或者，是否有其他最近/更新的库能够通过组件测量进行过滤？

Answer 1

我知道它很长，但我在这里和你有类似的任务。对如何使用width = 1行分隔这些连接的blob感兴趣。

但是，我使用SimpleBlobDetector玩了一会儿，它的作用简要介绍了以下步骤（从阅读源代码）：

1. 使用不同的阈值（从minThreshold到maxThreshold，使用step thresholdStep
）对图像进行二值化
2. 在每个二值化图像中找到轮廓，在此应用滤镜，例如面积，颜色，圆度，凸度，惯性等
3. 根据它们的位置组合所有过滤的轮廓，即距离大于minDistBetweenBlobs且不重叠
4. 存储并返回所有blob（轮廓）保存的关键点

因此，我使用以下简单代码检查了SimpleBlobDetector的每一步，并发现用于分隔连接的blob的width = 1行被发现为单独的轮廓/ blob（轮廓/ blob显示为红色和轮廓/斑点的中心在附图中显示为绿色，特别是对于非水平/垂直线（1像素轮廓）。那些小轮廓然后被minArea或blobColor = 255过滤掉。这就是为什么你的分裂斑点被检测为更大的斑点。

import cv2
import numpy as np

img = cv2.imread('test3.png', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, bin_img = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

out_img = img
temp_bin_img = bin_img.copy()
ret, contours = cv2.findContours(temp_bin_img, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
for i in range(len(contours)):
    M = cv2.moments(contours[i])
    if(M['m00'] == 0.0):
        continue
    x, y = int(M['m10'] / M['m00']), int(M['m01'] / M['m00'])

    out_img = cv2.drawContours(out_img, contours, i, (0,0,255), 1)
    cv2.circle(out_img, (x, y), 1, (0,255,0), -1)

cv2.imwrite('test3-contours.png', out_img)

test3-contours.png

要改进，可能首先尝试侵蚀以增加边界的宽度，然后使用SimpleBlobDetector或自己使用findContours。像这样：

import cv2
import numpy as np

img = cv2.imread('YUSAQ.png', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, bin_img = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

kernel = np.ones((3,3),np.uint8)
erosion = cv2.erode(bin_img, kernel, iterations = 1)

out_img = img
temp_bin_img = erosion.copy()
ret, contours = cv2.findContours(temp_bin_img, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
for i in range(len(contours)):
    M = cv2.moments(contours[i])
    if(M['m00'] == 0.0):
        continue
    x, y = int(M['m10'] / M['m00']), int(M['m01'] / M['m00'])

    out_img = cv2.drawContours(out_img, contours, i, (0,0,255), 1)
    cv2.circle(out_img, (x, y), 1, (0,255,0), -1)

cv2.imwrite('test3-erosion.png', out_img)

使用3x3内核进行侵蚀导致找到的blob比原始blob小1~2像素。我没有对此进行修正（甚至没有想到它）。如果你愿意，我想你可以自己做。希望这会有所帮助。

test3-erosion.png