使用Python進行圖像分割和對象計數(shù)實例

taotao_2016 2020-05-10

展開全文

讓我們以一個簡單的場景為例,，在該場景中我們有一個檸檬圖像，我們想要對其中的檸檬進行分割和計數(shù),。

使用Python進行圖像分割和對象計數(shù)實例

圖像分割算法有分水嶺算法,、斑點計數(shù)算法、霍夫圓/橢圓算法,、輪廓檢測算法等,。在本文中，我使用了輪廓檢測和分水嶺算法,。

涉及的步驟：

讀取圖像
轉(zhuǎn)換為HSV
閾值
模糊它
刪除多余/不需要的區(qū)域
在原始圖像上繪制輪廓
使用分水嶺來檢測分離輪廓
進行平均分水嶺和輪廓檢測以獲得滿意的結(jié)果,。

首先，我們導(dǎo)入一些常見的Python依賴項,。

from __future__ import print_functionimport numpy as npimport cv2import matplotlib.pyplot as plt%matplotlib inlinefrom skimage import iofrom skimage.morphology import watershedfrom skimage.feature import peak_local_maxfrom scipy import ndimage

我們創(chuàng)建一個Python函數(shù)以可視化圖像,。Python代碼如下：

def show(img):    plt.imshow(img)    plt.show()

現(xiàn)在，我們讀取圖像,。

#loadfp = 'lemons1.jpg'img = cv2.imread(fp)show(img)print(img.shape)

使用Python進行圖像分割和對象計數(shù)實例

現(xiàn)在,，我們對圖像進行預(yù)處理。步驟包括：

HSV,，這是人眼感知的顏色模型,。
閾值技術(shù)，通過選定的閾值像素強度將圖像轉(zhuǎn)換為二值圖像（即只有2個像素值（0或255））,。
模糊圖像,，以刪除圖像中不必要的斑點。

#preprocessing the imagehsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)show(hsv)h, s, v = cv2.split(hsv)show(s)_, thr = cv2.threshold(s, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)show(thr)blur = cv2.medianBlur(thr, 5)show(blur)

現(xiàn)在我們使用輪廓檢測，在我們“模糊”的圖像中找到檸檬,。為了去除小的和無關(guān)緊要的輪廓,，我們只選擇那些面積大于2000的輪廓(任意值，是超參數(shù)),。

contours, hierarchy = cv2.findContours(blur,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)copy2 = img.copy()count = []for x in contours:    area = cv2.contourArea(x)    if area > 2000 :        count.append(x)cv2.drawContours(copy2, count, -1, (255,0,0), 3)show(copy2)print('number of lemons found via contour detection = ', len(count))

現(xiàn)在我們使用分水嶺算法來分離相互接觸的檸檬(如果有的話),。

copy3 = img.copy()D = ndimage.distance_transform_edt(thr)localMax = peak_local_max(D, indices=False, min_distance=70,	labels=thr)markers = ndimage.label(localMax, structure=np.ones((3, 3)))[0]labels = watershed(-D, markers, mask=thr)ws = len(np.unique(labels)) -1copy3[labels == -1] = [255,0,0]print('no. of lemons found via watershed algorithm = ', ws)

最后我們?nèi)煞N方法的平均值并打印結(jié)果。

ans = int((len(count) + len(np.unique(labels)) -1) / 2)print('number of lemon segments detected = ', ans)show(copy2)

使用Python進行圖像分割和對象計數(shù)實例