Question

我正在进行细胞分割和跟踪。我已经设置了显微图像。由薄片引起的一些圆形噪音。当我使用算法时，可能会导致某些部分细胞丢失。我想对我的程序说：“嘿，那些圆形的东西只是噪音，而只是否认它，然后在真实细胞的膜上工作。”另一个是微噪声。有些点的对比度高或低。我想对我的程序说：“嘿，否认点，如果它的10x10像素半径与背景对比度相同。”

工作平台：Python 3.7.2，OpenCV 3.4.5

我希望，我清楚地提到了我的问题所在。我正在分享其中一张图片。

左侧的

4个圆圈是点噪声。右边的2个圆圈是薄片噪声。

enter image description here

import numpy
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('test001.tif')
gg = img.copy()
img_gray = cv.cvtColor(gg, cv.COLOR_BGR2GRAY)

clache = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
img_gray = clache.apply(img_gray)

_, img_bin = cv.threshold(img_gray, 50, 255,
        cv.THRESH_OTSU)

img_bin = cv.morphologyEx(img_bin, cv.MORPH_OPEN,
        numpy.ones((10, 9), dtype=int))

img_bin = cv.morphologyEx(img_bin, cv.MORPH_DILATE,
        numpy.ones((5, 5), dtype=int), iterations= 1)


def segment(im1, img):
    #morphological transformations
    border = cv.dilate(img, None, iterations=10)
    border = border - cv.erode(border, None, iterations=1)
    #invert the image so black becomes white, and vice versa
    img = -img
    #applies distance transform and shows visualization
    dt = cv.distanceTransform(img, 2, 3)
    dt = ((dt - dt.min()) / (dt.max() - dt.min()) * 255).astype(numpy.uint8)
    #reapply contrast to strengthen boundaries
    clache = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    dt = clache.apply(dt)
    #rethreshold the image
    _, dt = cv.threshold(dt, 127, 255, cv.THRESH_BINARY)

    ret, markers = cv.connectedComponents(dt)
    markers = markers+1
    # Complete the markers
    markers[border == 255] = 255

    markers = markers.astype(numpy.int32)
    #apply watershed
    cv.watershed(im1, markers)

    markers[markers == -1] = 0
    markers = markers.astype(numpy.uint8)
    #return the image as one list, and the labels as another.
    return dt, markers
dt, result = segment(img, img_bin)
cv.imshow('img',img)
cv.imshow('dt',dt)

cv.imshow('img_bin',img_bin)
cv.imshow('res',result)

下面是一只豚鼠。

import numpy
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('test001.tif')
gg = img.copy()
img_gray = cv.cvtColor(gg, cv.COLOR_BGR2GRAY)

clache = cv.createCLAHE(clipLimit=2.0, tileGridSize=(20,20))
img_gray = clache.apply(img_gray)

cv.imshow('1img',img)
cv.imshow('2gray',img_gray)

#Threshold
_, img_bin = cv.threshold(img_gray, 127, 255, cv.THRESH_BINARY+cv.THRESH_OTSU)
cv.imshow('3threshold',img_bin)

#MorpClose
img_bin = cv.morphologyEx(img_bin, cv.MORPH_CLOSE,numpy.ones((5,5), dtype=int))
cv.imshow('4morp_close',img_bin)

#MorpErosion
img_bin = cv.erode(img_bin,numpy.ones((3,3),dtype=int),iterations = 1)
cv.imshow('5erosion',img_bin)

#MorpOpen
img_bin = cv.morphologyEx(img_bin, cv.MORPH_OPEN, numpy.ones((2, 2), dtype=int))
#cv.imshow('6morp_open',img_bin)

#MorpDilate
img_bin = cv.morphologyEx(img_bin, cv.MORPH_DILATE,numpy.ones((1, 1), dtype=int), iterations= 1)
#cv.imshow('7morp_dilate',img_bin)

#MorpBlackHat
img_bin = cv.morphologyEx(img_bin, cv.MORPH_BLACKHAT,numpy.ones((4,4),dtype=int))
#cv.imshow('8morpTophat',img_bin)

Answer 1

对于那些小点，您可以尝试eroding and dilating：

您需要将图像转换为灰度，然后对其进行处理，我将创建一个具有腐蚀和膨胀部分的遮罩，以去除这些点，然后在原始图像上使用该遮罩删除这些点，而不会影响像素的分辨率。您的初始图片。

对于较大的模糊斑点，可能会在图像上添加一些噪点并与原始图像进行比较？

如果大多数{_1}中描述的这些blob是here，它会执行以下操作：

当然，您可以调整这些参数以适合您的需要，而忽略图像的那些部分。尝试这种方法以及噪音，这可能有助于减少误报。祝你好运！

如何忽略图像处理，OpenCV，Python上的特定形状

1 个答案: