Fork me on GitHub

AnswerOpenCV学习_Opencv multiple circle detection in a image

题目:Opencv multiple circle detection in a image
原图如上,目标是从这副图片中寻找“细胞”区域。
难点分析:现实采集的图像,质量还是存在一定问题。边界部分可能有所干扰。
参考代码:
    const cv::Mat in = cv::imread("e:/template/findcircle.jpg");
    cv::Mat src;
    cv::dilate(in, srccv::Mat(), cv::Point(-1, -1), 2);
    cv::erode(srcsrccv::Mat(), cv::Point(-1, -1), 2);
    cv::Mat hsv;
    cv::cvtColor(srchsvcv::COLOR_BGR2HSV);
    std::vector<cv::Matsplit_s;
    cv::split(hsvsplit_s);
    split_s[1] = split_s[1] > 70;
    cv::dilate(split_s[1]split_s[1]cv::Mat());
    std::vector<std::vector<cv::Point> > contours;
    findContours(split_s[1]contourscv::RETR_TREEcv::CHAIN_APPROX_SIMPLE);
    for (size_t i = 0; i < contours.size(); i++)
    {
        cv::Rect r = cv::boundingRect(contours[i]);
        cv::Mat resized;
        cv::resize(in(r)resizedcv::Size(5, 5), 0, 0);
        cv::Scalar mean_s = cv::mean(resized);
        if ((mean_s[0] > 120) & (mean_s[0] < 200))
        {
            cv::drawContours(in, contoursicv::Scalar(0, 255, 0), 1);
            cv::rectangle(in, rcv::Scalar(0, 0, 255), 1);
        }
    }
    cv::imshow("result", in);
处理结果:
非常好,完全找到了所有目标。
代码分析:
1、彩色图像直接进行形态学变换,这个是我之前见的比较少的;
dilateerode
其中,形态学的参数(步长 interation)起到一定作用。但是这个参数对于结果的贡献是不稳定的。
2、代码的书写细节有多处值得学习:
  const cv::Mat in 在获取图片的时候,使用const,本例证明即使原图像标注为const也是可以绘制的;
  std::vector<cv::Matsplit_s;这个命名值得学习;
split_s[1] = split_s[1] > 70;过滤掉“浑浊区域”效果良好
beforeafter
3、值得改进的地方
主要算法不稳定,仅使用了轮廓的”面积特征“,尝试findblob进行进一步的分析研究。
    const cv::Mat in = cv::imread("e:/template/findcircle.jpg");
    cv::Mat src;
    cv::dilate(in, srccv::Mat());
    cv::erode(srcsrccv::Mat());
    cv::Mat hsv;
    cv::cvtColor(srchsvcv::COLOR_BGR2HSV);
    std::vector<cv::Matsplit_s;
    cv::split(hsvsplit_s);
    split_s[1] = split_s[1] > 70;
    SimpleBlobDetector::Params params;
    params.filterByColor = false;
    params.minThreshold = 120;
    vector<KeyPointkeypoints;
    Ptr<SimpleBlobDetectordetector = SimpleBlobDetector::create(params);
    detector->detect(split_s[1]keypoints);
    drawKeypoints(in, keypoints, in, Scalar(0, 0, 255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

改变的地方还包括取消了基础形态学变换的参数,或者直接取消形态学变化。

比较这两种算法,都无法正确处理“粘连”区域。但是我认为findblob方法使用了更少参数,因此更稳定,我更倾向于使用这种方法。下一步如果需要继续研究,首先必须制作数据集并进行针对性实验。
原方法错误识别“粘连”区域findblob没有识别“粘连”区域




posted @ 2020-09-13 07:08  jsxyhelu  阅读(262)  评论(0编辑  收藏  举报