用于 TLC 斑点检测的 CV2 形状检测的改进

在我的工作中，我使用 TLC，它给了我像这张照片上的物体。它是一张纸，上面有精确高度的斑点。

我需要检测板本身并进行测量。 然后我需要将其转换为这张图片：

我想我可以生成第二张图片，但我在斑点检测方面遇到了麻烦。我使用下面的代码和许多不同的参数，但我无法检测到它们。您有什么想法吗？

import numpy
import cv2
image_path="C:/Users/jules/Downloads/Start.jpg"

image = cv2.imread(image_path)
img = cv2.resize(img, (950, 1480)) 
output = image.copy()

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

hist = cv2.equalizeHist(gray)

blur = cv2.GaussianBlur(hist, (31,31), cv2.BORDER_DEFAULT)

_, thresh_image = cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY)

height, width = thresh_image.shape[:2]

minR = round(width/65)
maxR = round(width/11)
minDis = round(width/7)

circles = cv2.HoughCircles(thresh_image, cv2.HOUGH_GRADIENT, 1, minDis, param1=14, param2=25, minRadius=minR, maxRadius=maxR)

if circles is not None:
    circles = numpy.round(circles[0, :]).astype("int")
    for (x, y, r) in circles:
        cv2.circle(output, (x, y), r, (0, 255, 0), 2)
        cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1)
cv2.imshow("result", numpy.hstack([image, output]))

预先感谢您的帮助！

我理解你想使用 OpenCV (cv2) 在 TLC 图像中检测斑点并测量它们。你当前的代码似乎是在寻找圆形斑点，而 TLC 斑点通常形状不规则。这就是你的 Hough 圆变换方法难以检测到它们的原因。

让我们试试一种不同的方法来检测不同形状的 TLC 斑点：

1. 图像预处理：

• 转换到灰度： 你的代码已经这样做了 ( gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) )。
• 阈值化： 你需要尝试不同的阈值方法和值，以获得最佳结果。你目前使用的是二值阈值化，这可能太苛刻，并且可能会丢失信息。考虑使用自适应阈值化 ( cv2.adaptiveThreshold )，该方法可以根据图像区域更好地处理光照变化：

thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

• 形态学操作： 你可以使用形态学操作（如腐蚀和膨胀）来减少噪声并改善斑点的形状。例如，要使用腐蚀去除小噪声，你可以使用：

kernel = numpy.ones((3,3), numpy.uint8)
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations = 2)

2. 斑点检测：

• 轮廓检测： Zamiast HoughCircles ，使用 cv2.findContours 检测斑点的轮廓。这将更适合不同形状的斑点。

cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1] 

• 过滤轮廓： 你可能想根据大小或纵横比等条件过滤检测到的轮廓，以去除不想要的噪声或伪影。

for c in cnts:
    area = cv2.contourArea(c)
    if area > 100: # 忽略太小的区域（调整此值）
        cv2.drawContours(image, [c], -1, (0,255,0), 2) 

3. 测量和可视化：

• 边界框： 你可以使用 cv2.boundingRect(c) 获取每个轮廓的边界框，并使用它来测量斑点高度和位置。

• 绘制： 使用 cv2.rectangle 和 cv2.putText 将检测到的斑点、它们的边界框和测量值绘制在图像上，如你的目标图像中所示。

代码示例：

import cv2
import numpy

image_path = "C:/Users/jules/Downloads/Start.jpg"
image = cv2.imread(image_path)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

kernel = numpy.ones((3,3), numpy.uint8)
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations = 2)

cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

for c in cnts:
    area = cv2.contourArea(c)
    if area > 100: 
        x,y,w,h = cv2.boundingRect(c)
        cv2.rectangle(image, (x,y), (x+w, y+h), (0,255,0), 2)
        cv2.putText(image, f"H: {h}", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,0,255), 2)

cv2.imshow("result", image)
cv2.waitKey(0)

这只是一个起点，你可能需要根据你的特定图像和要求调整参数和步骤。例如，如果你的图像有很大的照明变化，你可能需要更先进的阈值化技术，或者如果你的斑点有非常不规则的形状，你可能需要使用不同的特征进行检测。