如何在图像中找到区域最大值/最小值？

Question

我正在尝试在这张图片中找到区域最大值：

以这样的位置进行切割：

我找到了一种方法来过滤区域最大值here，但我无法使其适用于我的情况。

到目前为止，我的代码：

import numpy as np
import cv2
import skimage as sm
from skimage.morphology import reconstruction
import scipy as sp

img = cv2.imread('img.png', 0)

img = sm.img_as_float(img)
img = sp.ndimage.gaussian_filter(img, 1)

seed = np.copy(img)
seed[1:-1,1:-1] = img.min()
mask = img
dilated = reconstruction(seed, mask, method = 'dilation')
img = img - dilated

cv2.imshow('img', img)
cv2.waitKey()

我的解决方案：

import numpy as np
import cv2

img = cv2.imread('img.png', 0)

_, thresh = cv2.threshold(img, 250, 255, cv2.THRESH_BINARY)

rows = np.sum(thresh/255, axis = 1)
ol = len(np.nonzero(rows)[0])
L = []
z = 0
for idx, row in enumerate(rows):
    if row > 0:
        if z > 5 and z < ol - 5:
            L.append(idx)
        z += 1
split = np.min(rows[L])
thresh[np.where(rows == split)[0][0]] = 0

cv2.imshow('img', thresh)
cv2.waitKey()

HansHirse写了一种更专业的方法：

import numpy as np
import cv2

img = cv2.imread('img.png', 0)

_, thresh = cv2.threshold(img, 250, 255, cv2.THRESH_BINARY)

rows = np.sum(thresh/255, axis = 1)
exclude = 5
idx = np.where(rows > 0)[0]
idx = idx[exclude : len(idx) - exclude]
cut = idx[np.argmin(rows[idx])]
thresh[cut] = 0

cv2.imshow('img', thresh)
cv2.waitKey()

两者均导致：

有趣的是，该方法不仅限于水平像素。

Answer 1

如果您的“染色单体”（我将以这种方式引用显示的结构，因为它看起来像一个）都以这种方式对齐，则您只需计算每行的白色像素，然后搜索最小像素

请看下面的代码，希望这些代码不言自明：

import cv2
import numpy as np

# Load input image
input = cv2.imread('images/Q6YM9.png', cv2.IMREAD_GRAYSCALE)

# Extract "chromatid" (the structure looks like one...)
_, chromatid = cv2.threshold(input, 250, 255, cv2.THRESH_BINARY)

# Sum row-wise pixel values
rowPixelSum = np.sum(chromatid / 255, axis=1)

# Detect all rows with non-zero elements
ind = np.where(rowPixelSum > 0)[0]

# Exclude n rows at the top and bottom of the "chromatid"
# Caveat: Check for plausibility (index out of bounds, etc.)
nEx = 15
ind = ind[15:len(ind)-nEx]

# Detect index of row with minimum pixel count
cutRow = ind[np.argmin(rowPixelSum[ind])]

# Detect start and end of "chromatid" on row with minimum pixel count
row = np.where(chromatid[cutRow, :] > 0)[0]
xStart = row[0]
xEnd = row[-1]

# For visualization: Draw black line through row with minimum pixel count
cv2.line(input, (xStart, cutRow), (xEnd, cutRow), 0, 3)
cv2.line(chromatid, (xStart, cutRow), (xEnd, cutRow), 0, 3)

# Write output image
cv2.imwrite('images\input.png', input)
cv2.imwrite('images\chromatid.png', chromatid)

输出看起来像这样：

如果您的“染色单体”具有不同的方向，则可以根据染色单体的“主要成分”在上述代码之前进行一些旋转。

希望有帮助！

Answer 2

在过滤区域最大值之后，您可以尝试使用morphological opening操作将这两部分分开。根据您的区域最小厚度，使用更大的内核或多次打开调用。

要使用打开查找确切的切割位置，您可以随后进行多次打开操作调用，直到单个斑点分裂为两个。您可以检测到通过cv::detectContours()获得的轮廓分析位置。

另外，您可能会发现distanceTransform()有用。其结果是从每个点到最近边界的距离。这个想法是对图像进行骨架化，并沿着骨架线取distanceTransform()结果的最小值来找到切割位置。

此外，您还可以尝试基于白色像素位置以k = 2的k均值聚类。切割线将在群集之间。

编辑： 您可能会发现此page有用，因为那里的人们讨论了类似的问题。答案之一是使用cv::convexityDefects()查找分离点。