这是我将要处理的图像种类的示例:
(来源:csverma at pages.cs.wisc.edu)
每个球上都有一个亮点。我想找到亮点中心的坐标。我应该如何在Python或Matlab中实现呢?我目前遇到的问题是,亮点上的多个点具有相同(或大致相同)的白色颜色,但我需要找到这些白点“簇”的中心。
此外,对于最左边和最右边的图像,我如何找到整个圆形对象的中心?
这是我将要处理的图像种类的示例:
(来源:csverma at pages.cs.wisc.edu)
每个球上都有一个亮点。我想找到亮点中心的坐标。我应该如何在Python或Matlab中实现呢?我目前遇到的问题是,亮点上的多个点具有相同(或大致相同)的白色颜色,但我需要找到这些白点“簇”的中心。
此外,对于最左边和最右边的图像,我如何找到整个圆形对象的中心?
im = imread('http://pages.cs.wisc.edu/~csverma/CS766_09/Stereo/callight.jpg');
im = rgb2gray(im);
im = imclearborder(im);
%// Split up images and place into individual cells
split_point = floor(size(im,2) / 5);
images = mat2cell(im, size(im,1), split_point*ones(5,1));
%// Show image to place dots
imshow(im);
hold on;
%// For each image...
for idx = 1 : 5
%// Get image
img = images{idx};
%// Threshold
thresh = img > 200;
%// Find coordinates of thresholded image
[y,x] = find(thresh);
%// Find average
xmean = mean(x);
ymean = mean(y);
%// Place dot at centre
%// Make sure you offset by the right number of columns
plot(xmean + (idx-1)*split_point, ymean, 'r.', 'MarkerSize', 18);
end
scikit-image
与numpy
和matplotlib
进行绘图。以下是上述代码的Python转录。请注意,我手动将链接引用的图像保存在磁盘上并命名为balls.jpg
:import skimage.io
import skimage.segmentation
import numpy as np
import matplotlib.pyplot as plt
# Read in the image
# Note - intensities are floating point from [0,1]
im = skimage.io.imread('balls.jpg', True)
# Threshold the image first then clear the border
im_clear = skimage.segmentation.clear_border(im > (200.0/255.0))
# Determine where to split up the image
split_point = int(im.shape[1]/5)
# Show image in figure and hold to place dots in
plt.figure()
plt.imshow(np.dstack([im,im,im]))
# For each image...
for idx in range(5):
# Extract sub image
img = im_clear[:,idx*split_point:(idx+1)*split_point]
# Find coordinates of thresholded image
y,x = np.nonzero(img)
# Find average
xmean = x.mean()
ymean = y.mean()
# Plot on figure
plt.plot(xmean + idx*split_point, ymean, 'r.', markersize=14)
# Show image and make sure axis is removed
plt.axis('off')
plt.show()
我完全可以跳过上面的代码,直接使用regionprops
(MATLAB链接, scikit-image
链接)。你可以简单地对图像进行阈值处理,然后应用regionprops
来查找每个白色像素簇的质心,但我想展示一种更手动的方式,这样你就能欣赏算法并理解它。
exp
,或_gamma校正_操作)非常重要,因为它使最亮点更加强烈。这使得检测更加稳健。此外,在任何情况下以自动方式找到正确的阈值都可以使用直方图来完成;例如通过找到所有像素中1%(按百分位计算)最亮的像素的值。 - Sohail Si使用二维卷积,然后找到最高强度的点。在应用2D卷积之前,可以对强度值应用凹非线性函数(例如exp
),以加强图像亮点相对于暗部的对比度。类似于conv2(exp(img),ker)