OpenCV - 获取所有 Blob 像素

Question

我有这个图像：

我一直在使用opencv功能SimpleBlobDetector来识别黑色背景上的白色像素块。以下是代码。

blobDetectorParameters = cv2.SimpleBlobDetector_Params()
blobDetectorParameters.filterByArea = True
blobDetectorParameters.minArea = 1
blobDetectorParameters.maxArea = 100
blobDetectorParameters.minDistBetweenBlobs = 1
blobDetectorParameters.filterByCircularity = False
blobDetectorParameters.filterByColor = False
blobDetectorParameters.filterByConvexity = False
blobDetectorParameters.filterByInertia = False

detector = cv2.SimpleBlobDetector_create(blobDetectorParameters)
keypoints = detector.detect(image)
imageWithKeypoints = cv2.drawKeypoints(image, keypoints, numpy.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow("Keypoints", imageWithKeypoints)
cv2.waitKey(0)  

以下哪个选项正确地识别了下面图像中显示的斑点：

问题: 我希望能够有一个列出所有blob像素的列表，以便将它们涂成黑色。使用SimpleBlobDetector，我似乎找不到一种返回所有blob像素的方法。我可以得到关键点（通过detect返回），但我认为这些对应于blob中心。

我还应该补充说明，我只想涂出特定大小的blob，这就是抓取所有白色像素的普适方法不理想的原因。

是否有与SimpleBlobDetector（或OpenCV内部的其他地方）相关的函数来返回与所有blob相关的所有像素？

提前感谢您的帮助。

- Antillies

---

您可以使用矩来计算质心，然后绘制白色填充圆来覆盖它们。请参阅 https://www.learnopencv.com/find-center-of-blob-centroid-using-opencv-cpp-python/ 了解从矩到质心的计算。 - fmw42

@fmw42 我感谢您的建议，但我需要更精确地绘制画面，因为我不想将所有斑点都涂掉，只有特定大小的斑点。我需要这种方法能够识别并消除非常接近的斑点，但我不想意外遮挡任何不应该被涂掉的斑点。 - Antillies

使用nathancy下面的解决方案。 - fmw42

如果您可以使用skimage，它有一个很好的regionprops函数，可以返回二进制图像中blob的属性，包括面积、周长、质心等，对于您的情况来说，每个blob的坐标也非常重要。这使得过滤变得轻松！ - Jon

Answer 1

你可以使用 np.column_stack + np.where 在二进制图像上获取所有点的坐标。在这个例子中，我将每个点都染成了绿色，并放置在一个新的掩膜上。这是结果:

这里是每个像素的 (x,y) 坐标。

[[ 28  32]
 [ 28  33]
 [ 29  33]
 [ 31  25]
 [ 31  26]
 [ 37  43]
 [ 37  44]
 [ 37  45]
 [ 38  43]
 [ 38  44]
 [ 38  45]
 [ 85  96]
 [118 116]
 [118 118]
 [119 116]
 [119 117]
 [120 116]
 [121  87]
 [121 115]
 [122  87]
 [122 115]
 [123  87]
 [123  97]
 [123 115]
 [124  87]
 [124  97]
 [124 115]
 [125  93]
 [125  95]
 [125  96]
 [125 114]
 [125 115]
 [126  94]
 [126  95]
 [126  96]
 [126 113]
 [126 114]
 [127  90]
 [127  94]
 [127  95]
 [127  96]
 [127 112]
 [127 113]
 [128  90]
 [128  91]
 [128  95]
 [128 102]
 [128 103]
 [128 104]
 [128 111]
 [128 112]
 [129 101]
 [129 102]
 [129 103]
 [129 104]
 [130  84]
 [130  85]
 [130 101]
 [130 102]]

代码

import numpy as np 
import cv2

image = cv2.imread('1.png')
mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

coords = np.column_stack(np.where(thresh > 0))
for coord in coords:
    mask[coord[0], coord[1]] = (36,255,12)

print(coords)
cv2.imshow('mask', mask)
cv2.waitKey()

更新：您可以使用轮廓面积过滤来实现所需的结果。具体而言，我们可以使用cv2.findContours()来获取所有斑点的轮廓，然后使用cv2.contourArea()对轮廓面积进行过滤。如果轮廓通过了一些最小阈值面积，则绘制它，否则忽略该轮廓。我们可以使用cv2.drawContours()绘制斑点，通过在最后一个参数传入-1，我们填充轮廓，否则任何正值都将绘制斑点的外轮廓。以下是一个示例：

import numpy as np 
import cv2

image = cv2.imread('1.png')
mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
threshold_area = 0.5
for c in cnts:
    area = cv2.contourArea(c)
    if area > threshold_area:
        cv2.drawContours(mask, [c], -1, (36,255,12), -1)

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

- nathancy

---

我非常感激您的回复，但是 - 我已经更新了原始帖子以反映这一点 - 我不想涂掉 所有 的斑块，只想涂掉特定大小的斑块。这就是为什么我希望能够从SimpleBlobDetector中获取斑块像素，而不是抓取所有白色像素的方法。 - Antillies

@Antillies 哦，我明白了，请查看更新。您可以使用 cv2.findContours() + cv2.contourArea() 根据某个阈值面积过滤斑点。如果斑点通过此筛选器，则我们可以使用 cv2.drawContours() 绘制斑点。 - nathancy

搞定了。我对你的代码唯一做出的更改是将threshold_area修改为min_threshold_area并添加了一个max_threshold_area比较器，将if语句改为if area > min_threshold_area and area < max_threshold_area。感谢你的所有帮助和见解。作为最后一个问题，我可以问一下这行代码的原因吗：cnts = cnts[0] if len(cnts) == 2 else cnts[1]。如果计数器等于2，为什么要获取返回的“图像”，而不是轮廓本身？ - Antillies

Answer 2

我认为对于您的用例，您可能会从findContours中受益更多。您甚至会发现SimpleBlobDetector使用此函数。它在您提供的链接的第2步中提到，但请注意，轮廓仅列出外部像素。如果您所要做的只是简单地绘制每个斑点，则在使用drawContours时，您只需要将粗细参数设置为-1。

如果您需要知道每个像素值，则我会说解决方案是绘制每个轮廓，然后将像素值记录到您自己的列表中。不完全清楚您正在尝试使用这个来做什么，所以很难给您一个直接的答案，但我希望这可以帮助您。

- Warpstar22

Answer 3

可能有点晚，但我遇到了同样的问题。我想要过滤掉较小的 blob。所以我最终写出了以下代码：

def filter_blobs(bin_img, min_size):
    label_ix = 1
    labels = np.zeros(shape=bin_img.shape)
    for j, row in enumerate(bin_img):
        for i, pix in enumerate(row):
            if pix > 0:
                above = labels[j-1][i] if j > 0 else None
                left = labels[j][i-1] if i > 0 else None
                if above and above > 0:
                    labels[j][i] = above
                    if left and left > 0:
                        labels[labels==left] = above
                elif left and left > 0:
                    labels[j][i] = left
                else:
                    labels[j][i] = label_ix
                    label_ix += 1
    for label in range(1, label_ix+1):
        filt = labels == label
        size = np.sum(filt)
        if size < min_size:
            bin_img[filt] = 0
    return label_ix, labels/np.max(labels)*255, bin_img

bin_img = np.round(np.random.rand(50,50))*255
fig = plt.figure(figsize=(9.5,4))
ax = fig.add_subplot(1,3,1)
ax.imshow(bin_img, cmap='gray', vmin=0, vmax=255)
num_blobs, blob_img, filtered_img = filter_blobs(bin_img, 20)
ax = fig.add_subplot(1,3,2)
ax.imshow(blob_img, cmap='gray', vmin=0, vmax=255)
ax.set_title('# blobs: {}'.format(num_blobs))
ax = fig.add_subplot(1,3,3)
ax.imshow(filtered_img, cmap='gray', vmin=0, vmax=255)
plt.tight_layout()

这是一个输出的例子：

非常有趣的玩意。如果有人能让它更高效，请评论！

- Alexander Soare