Question

我正在为物理体验制作一组图片：https://filesender.renater.fr/?s=download&token=f08936bf-074d-07e1-a2f7-5c93cf74c194

在文件夹中，有3个图像集。对于它们中的每一个，我们每毫秒都拍摄大量照片，并且在每张照片上，我们在白色背景上都有4个黑点。我的目的是通过测量较高点和较平坦点之间的变形以及从左到右的变形来绘制图。

import matplotlib.pyplot as plt
import scipy
from skimage import filters
from skimage import measure
from operator import itemgetter
import glob

plt.interactive(False)


def trouve(titre):
    #Extract time in the image title
    local_tiretbas = titre.rfind('_')+1
    local_tiff = titre.find('.tiff')
    return float(titre[local_tiretbas:local_tiff])


array_results = []

image_list = sorted(glob.glob('/home/nicolas/PycharmProjects/Imagerie/14/t1_ep_p/*.tiff'), key=trouve)

T = [] #TimeList
for i in range(len(image_list)):
   T.append(trouve(image_list[i]))
   picture = plt.imread(image_list[i])
   cutout = picture[900:1150, int(350 + i*2.8):int(650 + 3.2*i)]
   cutout_improved = filters.gaussian(cutout, sigma=3)
   val = filters.threshold_otsu(cutout_improved)
   mask = cutout_improved < val
   mask_filled = scipy.ndimage.morphology.binary_fill_holes(mask)
   I_label = measure.label(mask_filled,background=0)
   region_properties = measure.regionprops(I_label)


   l = []
for label in region_properties:
    centroid = label.centroid
    l.append(centroid)  
tuple_values = (max(l, key=itemgetter(1))[1]-min(l, key=itemgetter(1))[1], max(l, key=itemgetter(0))[0]-min(l, key=itemgetter(0))[0])
array_results.append(tuple_values)
l0 = array_results[0][0]
h0 = array_results[0][1]
DL = [i[0]/l0 for i in array_results]
DT = [i[1]/h0 for i in array_results]
plt.plot(T, DL, label='Déplacement longitudinal', color='green')
plt.plot(T, DT, label='Déplacement transversal', color='red')
plt.legend(loc='best')
plt.show()

我成功获得的最佳结果是一张图像的一个数据集。这不是完美的，但是很酷。但是，对于剩下的两个，此代码不起作用，我正在寻找一些技巧来找到黑点。到目前为止，我只使用了skimage，但如果能更好地工作，我也可能会使用openCV。

Here is the best result I get

Here is the expected result

如果您有任何想法可以帮助我解决这个高斯滤波器和阈值问题，请放心！我已经尝试过精巧的边缘检测，但不幸的是，这并不是一个很大的成功。

最好的问候，尼古拉斯。

改善高斯滤波器+阈值

0 个答案: