硬币的分水岭-错误的输出

Question

对于图像中圆形物体的计数，我想使用分水岭算法。 为了了解它的工作原理以及如何将其用于需要，我在python（https://docs.opencv.org/3.1.0/d3/db4/tutorial_py_watershed.html; http://scikit-image.org/docs/dev/auto_examples/segmentation/plot_label.html）中搜索了一些有效的示例

我最终找到了一个可行的解决方案，该解决方案出于我自己的目的或多或少地开箱即用（How to define the markers for Watershed in OpenCV?）

通过此代码，无论示例文件还是我自己的图像，我都得到不错的结果。 经过分水岭分析后，我确实得到了奇怪的举动。由于某些原因，分水岭步骤还会在图像周围添加边框。因此，在检测到的物体旁边，图像的整个边缘也会被检测到并着色。

我的猜测是我应该更改代码中的参数以阻止这种情况的发生，但是到目前为止，我仍然找不到应该做什么。

这是代码：

import cv2
import numpy as np
from scipy.ndimage import label
def segment_on_dt(a, img):
    border = cv2.dilate(img, None, iterations=3)
    border = border - cv2.erode(border, None)
    dt = cv2.distanceTransform(img, cv2.DIST_L2, 3)
    dt = ((dt - dt.min()) / (dt.max() - dt.min()) * 255).astype(np.uint8)
    _, dt = cv2.threshold(dt, 200, 255, cv2.THRESH_BINARY)
    lbl, ncc = label(dt)
    # Completing the markers now. 
    lbl[border == 255] = 255 
    lbl = lbl.astype(np.int32)
    cv2.watershed(a, lbl)
    lbl[lbl == -1] = 0
    lbl = lbl.astype(np.uint8)
    return 255 - lbl

# Load image file
img = cv2.imread('coins.jpg')
# Pre-processing.
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_gray = cv2.GaussianBlur(img_gray,(5,5),0)  
width, height = img_gray.shape
_, img_bin = cv2.threshold(img_gray, 0,  255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
img_bin = cv2.morphologyEx(img_bin, cv2.MORPH_OPEN,np.ones((5, 5),     dtype=int))
result = segment_on_dt(img, img_bin)
result[result != 255] = 0
result = cv2.dilate(result, None)
img[result == 255] = (0, 0, 255)
cv2.imwrite('Img_output.png',img)

运行此代码将得到此结果（至少在我的电脑上）

检测硬币的结果足以达到我的目的，但是我对同时被检测到的图像边缘有些疑惑。从调试过程中看到的情况来看，分水岭增加了这一优势，但我不清楚为什么会发生这种情况。

Answer 1

您可以使用openCV提供的教程通过添加背景标签来解决此问题。 https://docs.opencv.org/3.1.0/d3/db4/tutorial_py_watershed.html

他们添加了额外的步骤来插入确定的背景区域和确定的前景区域，以帮助分水岭算法正确分割硬币区域。

***********编辑**************

再次阅读代码后。我发现您的原始代码没有问题。 使用可变边框设置背景标签。

执行OpenCV教程中的代码，您可能会得到相同的结果。问题在于您得出结果的方式。由于这是一个显示问题，因此有很多方法可以解决该问题。其中之一是使用肯定背景的信息

这是对 segment_on_dt

函数的修改

def segment_on_dt(a, img):
    sure_background = cv2.dilate(img, None, iterations=3)
    border = sure_background - cv2.erode(sure_background, None)


    dt = cv2.distanceTransform(img, cv2.DIST_L2, 3)
    dt = ((dt - dt.min()) / (dt.max() - dt.min()) * 255).astype(np.uint8)
    _, dt = cv2.threshold(dt, 200, 255, cv2.THRESH_BINARY)
    lbl, ncc = label(dt)


    # Completing the markers now. 
    lbl[border == 255] = 255 


    lbl = lbl.astype(np.int32)
    cv2.watershed(a, lbl)
    lbl[lbl == -1] = 0
    # Only draw red line if its not in sure background
    lbl[sure_background == 0] = 255

    lbl = lbl.astype(np.uint8)
    cv2.imshow('lbl_2',lbl)

    return 255 - lbl

我为绘制红线添加了新条件。仅当线条不在确定的背景区域时才绘制线条。

您的最终结果应如下所示。