我有一张奇特的图片,“显示小鼠大脑皮层神经元回路图的脑弓图像”。

我想要计算绿色闪烁的数量,所以用15个簇对其运行k均值,然后我分离出两种颜色,这两种颜色一起完成了工作,但我留下了许多绿色条纹/尾巴和黄色闪烁的边缘。

我希望找到一些按区域划分阈值的算法,并只选择实际的绿色闪烁,或者选择另一种我不会遇到这个问题的方法。我使用了来自sklearn.cluster的python k-means
发布于 2019-12-03 09:46:36
您可以使用颜色阈值来分离绿色闪烁。其思想是将图像转换为HSV格式,并定义一个下限/上限颜色阈值范围。这将为您提供一个二进制掩码。在这里,我们可以通过使用椭圆形状的核进行形态学打开来进行额外的处理,以去除噪声和尾部。最后,我们可以找到轮廓,并使用定义了阈值区域的轮廓区域进行过滤,以仅保留较大的斑点。结果如下:

Count: 116代码
import numpy as np
import cv2
# Color threshold
image = cv2.imread('1.jpg')
original = image.copy()
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
lower = np.array([42, 67, 0])
upper = np.array([69, 255, 255])
mask = cv2.inRange(hsv, lower, upper)
# Perform morphological operations
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1)
# Find contours and filter using contour area
cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
count = 0
for c in cnts:
area = cv2.contourArea(c)
if area < 5:
cv2.drawContours(opening,[c], -1, (0,0,0), -1)
else:
count += 1
result = cv2.bitwise_and(original,original,mask=opening)
print('Count: {}'.format(count))
cv2.imshow('mask', mask)
cv2.imshow('opening', opening)
cv2.imshow('result', result)
cv2.waitKey()https://stackoverflow.com/questions/59129148
复制相似问题