减少/增强图像中的已知功能

Question

我是计算机视觉新手的微生物学学生，所以任何帮助都将受到极大的赞赏。

这个问题涉及我试图分析的显微镜图像。我想要实现的目标是计算图像中的细菌，但我需要先对图像进行预处理，以增强任何不会发出明亮荧光的细菌。我曾考虑使用几种不同的技术，如增强对比度或锐化图像，但这并不是我需要的。

我想在RBG刻度上将噪音（黑色空间）降低到0并增强绿色空间。我最初在OpenCV中编写了一个for循环，其阈值限制改变了每个像素，但我知道有更好的方法。

以下是我在原始图片的照片商店中所做的一个例子。

Original Image和enhanced Image。

我需要学习在python环境中执行此操作，以便我可以自动执行此过程。正如我所说的我是新手，但我熟悉python的OpenCV，mahotas，numpy等等所以我并不完全依赖于特定的包。我对这些技术也很陌生，所以即使你指的是我正确的方向，我也愿意接受。

谢谢！

Answer 1

您可以查看histogram equalization。这将强调绿色并减少黑色范围。有一个OpenCV教程here。之后，您可以尝试最佳产生细菌的thresholding mechanisms。

Answer 2

使用TensorFlow：

1. 创建您自己的数据集，其中包含细菌及其位置的图像，这些图像存储在随附的文本文件中（数据集越大越好）。
2. 创建正负图像集
3. 使用您的图片更新默认的TensorFlow示例
4. 确保你有一堆卷积层。
5. 训练和测试。

TensorFlow非常适合此类任务，您无需担心不同的强度级别。

Answer 3

我最初尝试直方图均衡但没有得到预期的结果。所以我使用自适应阈值使用均值过滤器：

th = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 3, 2)

然后我应用中值过滤器：

median = cv2.medianBlur(th, 5)

最后，我将椭圆内核形态闭合应用于

k1 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
dilate = cv2.morphologyEx(median, cv2.MORPH_CLOSE, k1, 3)

THIS PAGE会帮助您根据需要修改此结果。