Question

首先，抱歉，如果这个话题已经存在（我认为这是一项常见任务，但无法找到任何内容）。

关键是，我有一个图像显示不同颜色的不同点。我需要一个脚本来计算有多少红色，绿色和黄色点。颜色为纯红色（ff0000），绿色（00ff00）和黄色（ffff00）。这使得这更容易，形状也很明确。

我目前的做法是选择圆形（点）形状，选择它们，然后一旦我将所有点都远离背景图像，读取它的颜色来计算它们......

重点是我很失落。我知道这可以通过OpenCV完成，但不知道如何（并且无法找到任何好的教程）。

有什么想法吗？

Answer 1

由于您已经知道要查找的颜色，我会根据颜色对图像进行分割。我将遵循的步骤是：

red_dot_count = 0 
yellow_dot_count = 0
green_dot_count = 0
For each pixel in the image:
   if pixel color is red:
       floodfill using this pixel as seed pixel and target_color as black
       red_dot_count++
   if pixel color is green:
       floodfill using this pixel as seed pixel and target_color as black
       green_dot_count++
   if pixel is yellow:
       floodfill using this pixel as seed pixel and target_color as black
       yellow_dot_count++

尽管@Mark指出，你的图像必须是PNG图像。

此外，这假设红色，绿色和黄色点中的颜色不会出现在图像中的任何其他位置。

Answer 2

由于您似乎没有获得OpenCV / Python解决方案的大量帮助，我想我会以不同的方式发布 - 使用bash和 ImageMagick 。我将首先显示bash脚本，然后稍后解释一下。

ImageMagick 安装在大多数Linux发行版上，可免费用于macOS和Windows。它还具有C / C ++，Perl，Python，PHP，Ruby，Java绑定。请注意，不需要为此编写代码，也不需要编译器。

#!/bin/bash

for colour in red yellow lime ; do
   echo -n "Colour: $colour "
   convert dots.jpg -fuzz 20%                              \
     -fill white -opaque $colour -fill black +opaque white \
     -define connected-components:verbose=true             \
     -define connected-components:area-threshold=800       \
     -connected-components 8 output.png | grep -c "rgb(255,255,255)"
done

输出如下：

Colour: red 10
Colour: yellow 30
Colour: lime 37

convert命令是 ImageMagick 套件的一部分。让我们来看看colour red时第一次循环时该命令是如何工作的。最初，让我们看一下convert命令的前两行：

convert dots.jpg -fuzz 20%                          \
 -fill white -opaque red -fill black +opaque white intermediate.png

希望你能看到它在红色的20％范围内填充所有像素的白色，然后用纯黑色填充所有不是白色的像素。

convert命令的其余部分通过＆＃34; Connected Components Analysis＆＃34; 将图像放在上面，并列出面积超过800像素的所有blob - 这是你的blob的平均大小的一半，这就是为什么我在评论部分询问有关部分blob的原因。让我们看看当我们运行时会发生什么：

convert intermediate.png \
   -define connected-components:verbose=true       \
   -define connected-components:area-threshold=800 \
   -connected-components 8 -auto-level output.png

<强>输出

Objects (id: bounding-box centroid area mean-color):
  0: 1342x858+0+0 670.0,426.9 1140186 srgb(0,0,0)
  191: 39x39+848+595 866.9,614.1 1165 srgb(255,255,255)    <--- DRAW THIS ONE
  192: 39x39+482+664 500.9,682.9 1165 srgb(255,255,255)
  117: 38x39+4+292 22.5,311.0 1155 srgb(255,255,255)
  194: 39x38+1250+732 1268.9,750.5 1154 srgb(255,255,255)
  178: 39x38+824+512 843.0,530.1 1154 srgb(255,255,255)
  186: 39x38+647+549 666.0,567.5 1152 srgb(255,255,255)
  197: 38x39+1270+796 1288.5,815.0 1150 srgb(255,255,255)
  173: 38x38+811+444 829.5,462.5 1143 srgb(255,255,255)
  195: 38x39+711+783 729.6,801.5 1138 srgb(255,255,255)
  107: 27x39+0+223 11.5,242.0 874 srgb(255,255,255)

希望您可以看到第一行是描述列的标题，并且有10行是白色srgb（255,255,255），每行对应一个blob - 即您的一个红色磁盘（我们制作白色）。它们都是大约39x39像素（即方形框中的圆形），面积大约为1150像素 - 如果你想象的是半径为19像素，那么Pi * r ^ 2 = 1150。它们的尺寸（如宽度和高度）和位置（如左上角的x和y）位于第二列。

如果你想计算小到全尺寸blob的25％的部分斑点，你可以将阈值改为1150的25％（自然的，完整的斑点大小）或287，而不是我估计的800。

脚本的其余部分只计算其中包含白色斑点的线条（grep -c），并为您寻找的其他颜色重复该过程。请注意，您的＆＃34;绿色＆＃34; 对应于 ImageMagick 使用的X11命名方案中的＆＃34; lime＆＃34;

为了好玩，让我们用上面输出列表中用箭头标记的blob填充半透明的蓝色：

convert dots.jpg -fill "rgba(0,0,255,0.5)" -draw "rectangle 848,595 887,634" temp.png

我希望这有助于完成工作并显示一种方法，即使它不是您期望使用的工具。请注意，OpenCV具有Connected Components和类似的算法 - 我只是不会说Python，而C ++版本对您没有任何帮助！

Answer 3

以下是基于OpenCV 3.2和Python 2.7的示例解决方案。

要计算彩色点数，请在每种颜色类型下重复4次以下步骤。

应用中值滤波器以减少噪音 - cv2.medianBlur()。
应用颜色阈值以分割彩色圆点 - 使用cv2.inRange()。
使用Hough Circle Transform检测圈子 - 使用circles = cv2.HoughCircles(mask,cv2.HOUGH_GRADIENT,...)
遍历每个检测到的圆圈以绘制其中心及其周围的圆圈，并计算彩色圆点的数量。

检测到的点的样本图像：

红色 - 10个点

绿色 - 39点

黄色 - 30点

请注意，未检测到右侧最后一个小于半圈的黄点。这可能是霍夫圆变换cv2.HoughCircles()的限制。因此，如果发生这种情况，您需要决定如何处理这类问题。

以下是示例代码：

import cv2
import numpy

red = [(0,0,240),(10,10,255)] # lower and upper 
green = [(0,240,0),(10,255,10)]
yellow = [(0,240,250),(10,255,255)]
dot_colors = [red, green, yellow]

img = cv2.imread('./imagesStackoverflow/count_colored_dots.jpg')   
# apply medianBlur to smooth image before threshholding
blur= cv2.medianBlur(img, 7) # smooth image by 7x7 pixels, may need to adjust a bit

for lower, upper in dot_colors:
    output = img.copy()
    # apply threshhold color to white (255,255, 255) and the rest to black(0,0,0)
    mask = cv2.inRange(blur,lower,upper) 

    circles = cv2.HoughCircles(mask,cv2.HOUGH_GRADIENT,1,20,param1=20,param2=8,
                               minRadius=0,maxRadius=60)    
    index = 0
    if circles is not None:
        # convert the (x, y) coordinates and radius of the circles to integers
        circles = np.round(circles[0, :]).astype("int")

        # loop over the (x, y) coordinates and radius of the circles
        for (x, y, r) in circles:
            # draw the circle in the output image, 
            #   then draw a rectangle corresponding to the center of the circle
            cv2.circle(output, (x, y), r, (255, 0, 255), 2)
            cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (255, 0, 255), -1)

            index = index + 1
            #print str(index) + " : " + str(r) + ", (x,y) = " + str(x) + ', ' + str(y)
        print 'No. of circles detected = {}'.format(index)

希望得到这个帮助。

计算图像中的彩色圆点

3 个答案:

检测到的点的样本图像：

以下是示例代码：