轮廓上均匀物体的计数

Question

轮廓上均匀物体的计数

imageopencvimage-processingcomputer-vision

3

我正在尝试使用OpenCV通过找到轮廓来获取帧中物体的数量。

这是一个经过Canny滤波器处理的帧：

然后我调用了findContours()方法并只保留适当大小的轮廓。当我在帧上叠加它们时，我得到了下面的图片。

可以看出我们只得到了完整的轮廓对象。

那么问题是： 如何人为地使物体的边界完整？

我尝试使用膨胀和腐蚀 (结果如上) 但之后物体的边界被粘在一起，我们再也无法找到它们的轮廓。

- AlmostAI

2个回答

1

似乎你对对象有一个模式，这些对象有时会重叠。我建议你使用对象模式卷积图像，然后处理输出得分图像。

更详细地说：

假设为简单起见，您的初始图像只有一个通道。您正在寻找的对象看起来像这样：

。这是我们的模式。假设其大小为[W_p,H_p]。

第一步：构建新图像 - 得分 - 其中每个像素S在得分中=此像素是模式中心的概率。

一种方法是：对于原始图像中的每个像素P，“剪切”围绕P的[W_p,H_p]补丁（例如img(Rect(P-W_p/2,P-H_p/2,W_p,H_p))），并从模式中减去补丁以找到它们之间的“距离”（例如opencv中的cv::sum(cv::absdiff(patch, pattern))函数），并将此总和保存到S中。

另一种方法是：S = P.clone(); pattern = pattern / cv::sum(pattern); 然后使用cv::filter2D对S进行模式匹配...

现在，您应该过滤掉错误的正例： 1. 取得分最高的前2％（一种方法是使用cv :: calcHist） 2. 对于每个具有[W_p，H_p]内高得分邻居的像素-将此像素变为零！

现在，您应该只保留图像中模式中心具有某些值的零图像。万岁！

如果您事先不知道对象的外观，则可以使用轮廓找到一个对象，然后使用其轮廓的凸包（+边界框）“削减”它，并将其用作查找其余部分的卷积核。

- Shmuel Fine

你说过“要用一个物体模式卷积你的图像，然后处理输出得分图像”。也许你能指出必要的方法吗？ - AlmostAI

我已经编辑了我的回答并提供了一些通用指南。现在好一些了吗？ - Shmuel Fine

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- nathancy · Accepted Answer

由于轮廓是连接在一起的，findContours将检测到连接的轮廓作为单个轮廓而不是独立的分离圆。当您有连接的轮廓时，一个潜在的方法是使用Watershed来标记和检测每个轮廓。以下是结果：

输入图像

输出

代码

import cv2
import numpy as np
from skimage.feature import peak_local_max
from skimage.morphology import watershed
from scipy import ndimage

# Load in image, convert to gray scale, and Otsu's threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Compute Euclidean distance from every binary pixel
# to the nearest zero pixel then find peaks
distance_map = ndimage.distance_transform_edt(thresh)
local_max = peak_local_max(distance_map, indices=False, min_distance=20, labels=thresh)

# Perform connected component analysis then apply Watershed
markers = ndimage.label(local_max, structure=np.ones((3, 3)))[0]
labels = watershed(-distance_map, markers, mask=thresh)

# Iterate through unique labels
for label in np.unique(labels):
    if label == 0:
        continue

    # Create a mask
    mask = np.zeros(gray.shape, dtype="uint8")
    mask[labels == label] = 255

    # Find contours and determine contour area
    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = cnts[0] if len(cnts) == 2 else cnts[1]
    c = max(cnts, key=cv2.contourArea)
    color = list(np.random.random(size=3) * 256) 
    cv2.drawContours(image, [c], -1, color, 4)

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

以下是其他参考资料：