Question

我使用regionprops函数来检测无人机拍摄的图像上的树木数量。

首先，我使用Blue NDVI移除了地面：

带阈值的图片：

然后我使用函数regionprops来检测图像上的树数：

但是区域15存在问题，因为该区域上的所有树都已连接，并且它检测为一棵树。我尝试使用Watershed Segmentation分隔该区域的树，但它不起作用：

我这样做是错误的吗？是否有更好的方法来分离树木？

如果有人可以帮我解决这个问题，我将不胜感激。这是没有地面的区域15：

如果有帮助，这里是Gradient Magnitude图像：

Answer 1

问这个问题已经有一段时间了。我希望答案还为时不晚。我看到在类似问题中使用分水岭分割的一般问题。有时物体是分开的，彼此不接触like in this example。在这种情况下，仅模糊图像就足以使用分水岭分割。有时物体彼此靠近并相互接触，因此物体的边界不清晰like in this example。在这种情况下，使用距离变换 - >模糊 - >分水岭有帮助。在这个问题中，逻辑方法应该是使用距离变换。然而，这次由于树木上和附近的阴影，边界不清晰。在这种情况下，最好使用任何有助于分离对象as in here或强调对象本身的信息。

在这个问题中，我建议使用颜色信息来强调树像素以下是MATLAB代码和结果。

im=imread('https://i.stack.imgur.com/aBHUL.jpg');
im=im(58:500,86:585,:);
imOrig=im;

%% Emphasize trees

im=double(im);
r=im(:,:,1);
g=im(:,:,2);
b=im(:,:,3);

tmp=((g-r)./(r-b));

figure
subplot(121);imagesc(tmp),axis image;colorbar
subplot(122);imagesc(tmp>0),axis image;colorbar

%% Transforms

% Distance transform
im_dist=bwdist(tmp<0);

% Blur
sigma=10;
kernel = fspecial('gaussian',4*sigma+1,sigma);
im_blured=imfilter(im_dist,kernel,'symmetric');

figure
subplot(121);imagesc(im_dist),axis image;colorbar
subplot(122);imagesc(im_blured),axis image;colorbar

% Watershed
L = watershed(max(im_blured(:))-im_blured);
[x,y]=find(L==0);

figure
subplot(121);
imagesc(imOrig),axis image
hold on, plot(y,x,'r.','MarkerSize',3)

%% Local thresholding 

trees=zeros(size(im_dist));
centers= [];
for i=1:max(L(:))    
    ind=find(L==i & im_blured>1);
    mask=L==i;

    [thr,metric] =multithresh(g(ind),1);
    trees(ind)=g(ind)>thr*1;

    trees_individual=trees*0;
    trees_individual(ind)=g(ind)>thr*1;

    s=regionprops(trees_individual,'Centroid');
    centers=[centers; cat(1,[],s.Centroid)];
end

subplot(122);
imagesc(trees),axis image
hold on, plot(y,x,'r.','MarkerSize',3)

subplot(121);
hold on, plot(centers(:,1),centers(:,2),'k^','MarkerFaceColor','r','MarkerSize',8)

Answer 2

您可以尝试基于标记的分水岭。根据我的经验，香草流域变换从未开箱即用。执行一种方法的一种方法是首先使用imdist（）创建分割区域的距离图。然后你可以通过调用imhmax（）来抑制局部最大值。然后调用watershed（）通常会表现得更好。

以下是有关如何操作的示例脚本：

 bwTrees = imopen(bwTrees, strel('disk', 10));
 %stabilize the borders to lessen oversegmentation  

 distTrees = -bwDist(~bwTrees); %Distance transform 

 distTrees(~bwTrees) = -Inf; %set background to -Inf

 distTrees = imhmin(distTrees, 3); %suppress local minima

 basins = watershed(distTrees);
 ridges = basins == 0;

 segmentedTrees = bwTrees & ~ridges; %segment

 segmentedTrees = imopen(segmentedTrees, strel('disk', 2));
 %remove 'segmentation trash' caused by oversegmentation near the borders.

我摆弄了大约10分钟的参数，但得到了相当差的结果：

你需要把工作投入其中。主要通过形态学进行预处理和后处理。如果您可以降低第一部分中分割的灵敏度，则更多曲率将有助于分割。 h-minima变换的大小也是感兴趣的参数。你可以用这种方式获得足够的结果。

可能更好的方法来自群集技术的世界。如果您已经或者可以找到估算林中树木数量的方法，那么您应该能够使用传统的聚类方法来分割树木。如果你得到几乎合适数量的树木，那么高斯混合模型或具有k树的k均值可能比基于标记的分水岭更好。通常我会根据h-maxima变换上的抑制最大值数来估算树木的数量，但是你的标签可能有点过于香肠。不过值得一试。

MatLab - 用于分隔图像中的触摸对象的分割

2 个答案: