本文来源公众号“OpenCV与AI深度学习”,仅用于学术分享,侵权删,干货满满。
原文链接:实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
导 读
本文主要介绍基于OpenCV传统方法实现密集圆形分割与计数应用,并给详细步骤和代码。
背景介绍
实例图片来源于网络,目标是分割下图中圆形目标并计数。
本文实现效果如下:
实现步骤
【1】灰度转换 + 均值滤波 + 二值化,得到参考背景
img = cv2.imread('src.jpg')
cv2.imshow("src",img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray",gray)
blur = cv2.medianBlur(gray,7)
cv2.imshow("blur",blur)
_,thres = cv2.threshold(gray, 199, 255, cv2.THRESH_BINARY_INV )
cv2.imshow("thresh",thres)
图像:
【2】对灰度图做拉普拉斯变换,提取边缘,并做阈值分割
lap =cv2.Laplacian(gray, -1, ksize = 5)
cv2.imshow("laplacian",lap)
_,lap_thres = cv2.threshold(lap, 250, 255, cv2.THRESH_BINARY)
cv2.imshow("lap_thres",lap_thres)
图像:
【3】将上图做膨胀操作,增粗边缘
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
dilation = cv2.dilate(lap_thres,kernel,iterations = 1)
cv2.imshow("dilation",dilation)
图像:
【4】将第【1】步中的二值图与上图做差,腐蚀去除噪点,凸显圆形内部区域:
diff = thres - dilation
erode = cv2.erode(diff,kernel,iterations = 1)
cv2.imshow("diff",erode)
图像:
【5】轮廓分析:获取最小外接圆和轮廓面积,筛选轮廓面积/圆面积>0.2的有效轮廓,绘制外接圆标注,并计数。
contours,hierarchy = cv2.findContours(erode, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
count = 0
for i in range(0,len(contours)):
center,radius = cv2.minEnclosingCircle(contours[i])
if radius > 10:
area = cv2.contourArea(contours[i])
if area / (math.pi * radius * radius) > 0.2:
count += 1
cv2.circle(img,(int(center[0]),int(center[1])),int(radius),colors[i%9],-1)
strCount = 'count=%d'%count
cv2.putText(img,strCount,(10,100),0,2,(255,255,0),3)
最终结果如下:
总 结
本例中核心思想是用目标前景区域(二值化得到)和边缘区域(拉普拉斯变化得到,不用Canny)做差得到圆内部区域轮廓,然后做后续处理。当然也可以使用距离变换 + 分水岭方法来实现,有兴趣的话可以自己尝试一下。
THE END !
文章结束,感谢阅读。您的点赞,收藏,评论是我继续更新的动力。大家有推荐的公众号可以评论区留言,共同学习,一起进步。
标签:gray,img,计数,AI,imshow,cv2,OpenCV,thres,lap From: https://blog.csdn.net/csdn_xmj/article/details/141712918