python，opencv利用自适应阈值分割法实现微滴图像分割并计数

import cv2
import numpy as npblockSize = 31
value = -1#count = 0  #液滴总数
area = 0  #单个液滴面积
min_area = 40
max_area = 1500#闭运算
def close(image):kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))iClose = cv2.morphologyEx(image,cv2.MORPH_CLOSE,kernel)return iClose#开运算
def open(image):kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(16,16))iOpen = cv2.morphologyEx(image,cv2.MORPH_OPEN,kernel)return iOpen#查找轮廓
def findConftours(srcImage,binary):contours,hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(srcImage,contours,-1,(0,0,255),3)#遍历所有的荧光区域,计数
def countAll(contours,image):global countcount = 0for i in range(np.size(contours)):area = cv2.contourArea(contours[i])  #计算闭合轮廓面积if (area < min_area) or (area > max_area):continueelse:count = count + 1(x,y),radius = cv2.minEnclosingCircle(contours[i])(x,y,radius) = np.int0((x,y,radius))cv2.circle(image,(x,y),radius,(0,0,255),2)return image,countdef cut():img = cv2.imread("E:/PythonWorkspace/yiingguang_image_process/images/1121.bmp")grayImage = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)img2 = img.copy()#ret, th1 = cv2.threshold(grayImage, 127, 255, cv2.THRESH_BINARY)# 第一个参数为原始图像矩阵，第二个参数为像素值上限，第三个是自适应方法（adaptive method）：#                                              -----cv2.ADAPTIVE_THRESH_MEAN_C:领域内均值#                                              -----cv2.ADAPTIVE_THRESH_GAUSSIAN_C:领域内像素点加权和，权重为一个高斯窗口# 第四个值的赋值方法：只有cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV# 第五个Block size：设定领域大小（一个正方形的领域）# 第六个参数C，阈值等于均值或者加权值减去这个常数（为0相当于阈值，就是求得领域内均值或者加权值）# 这种方法理论上得到的效果更好，相当于在动态自适应的调整属于自己像素点的阈值，而不是整幅图都用一个阈值#th2 = cv2.adaptiveThreshold(grayImage, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize, value)#th3 = cv2.adaptiveThreshold(grayImage, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize, value)th4 = cv2.adaptiveThreshold(grayImage, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, blockSize, value)#cv2.imshow('img', grayImage)#cv2.imshow('th1', th1)#cv2.imshow('th2', th2)#cv2.imshow('th3', th3)cv2.imshow('th4', th4)close_image = th4#去除噪声,形态学操作#闭运算iClose = close(close_image)cv2.imshow("close",iClose)#开运算后iOpen = open(iClose)cv2.imshow("close_and_open",iOpen)binary,contours,hirarchy = cv2.findContours(iOpen,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)print("所有的荧光区域："+format(np.size(contours)))#显示轮廓res = cv2.drawContours(img,contours,-1,(0,0,255),2)#tmp = np.zeros(img.shape,np.uint8)#res = cv2.drawContours(tmp, contours, -1, (0, 0, 255), 2)cv2.imshow("cut_res",res)cv2.imwrite("adaptiveThreshold_cut_res.bmp",res)#绘制最小外接圆res,count = countAll(contours,img2)cv2.imshow("cirle_res",res)cv2.imwrite("adaptiveThreshold_cirle_res.bmp",res)print("筛选后的荧光亮点数："+format(count))cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == '__main__':cut()

python，opencv利用自适应阈值分割法实现微滴图像分割并计数相关推荐

Python+OpenCV利用KNN背景分割器进行静态场景行人检测与轨迹跟踪
前言视频图像中的目标检测与跟踪,是计算机视觉的基础课题,同时具有广泛的应用价值.视觉目标(单目标)跟踪任务就是在给定某视频序列初始帧的目标大小与位置的情况下,预测后续帧中该目标的大小与位置.本篇文章 ...
python+openCV 自适应阈值分割
当图像各局部亮度不同时,全局阈值就很难将背景和目标分割.因此提出了自适应阈值,即在图像的不同区域采用不同的阈值进行分割.利用函数cv2.adaptiveThreshold()进行分割. cv2.ada ...
图像二值化方法及适用场景分析（OTSU Trangle 自适应阈值分割）
图像二值化应用场景二值图像定义阈值获取的方法手动阈值法自动阈值法灰度均值法基于直方图均值法 OTSU Triangle 自适应均值阈值分割方法总结参考文献应用场景二值图像处理与分 ...
OpenCV自适应阈值分割函数：adaptiveThreshold()介绍
OpenCV自适应阈值分割函数:adaptiveThreshold()介绍 [注意] 1. adaptiveThreshold()函数的ThresholdTypes参数只能设置为"CV_TH ...
【千律】OpenCV基础：图像阈值分割 -- 自适应阈值分割 -- 代码实现
环境:Python3.8 和 OpenCV 内容:自适应阈值分割代码实现 import cv2 as cv import numpy as np import matplotlib.pyplot as ...
在OpenCV里实现自适应阈值分割
在图片处理过程中,针对铺前进行二值化等操作的时候,我们希望能够将图片相应区域内所有的信息提供保留.实验室环境下,相应的素材是模板化的,但是将实验室方法应用于现实环境中时,我们会发现光影环境对于效果的影 ...
otsu自适应阈值分割的算法描述和opencv实现,及其在肤色检测中的应用
from:http://blog.csdn.net/onezeros/article/details/6136770 otsu算法选择使类间方差最大的灰度值为阈值,具有很好的效果算法具体描述见ots ...
Python OpenCV GrabCut进行前景分割和提取
Python OpenCV GrabCut进行前景分割和提取 1. 效果图 1.1 边界框GrabCut效果图 1.2 Mask GrabCut效果图 2. GrabCut原理 2.1 GrabCut ...
交叉熵图像分割matlab,灰度图像的二维交叉熵阈值分割法
［1］SAHOO P K,SOLTANIS,WONG A K C,et al.A survey of thresholding techniques［J］.Computer Vision,Graphi ...
python opencv 利用分水岭算法实现对物体的分割图文详细注释版以分割官网提供的硬币为例
分水岭算法可以实现自动分割多个物体,opencv中 cv.watershed() 函数实现了分水岭算法话不多说,上代码 # 利用分水岭算法分离多个相同硬币 import numpy as np im ...

python，opencv利用自适应阈值分割法实现微滴图像分割并计数

python，opencv利用自适应阈值分割法实现微滴图像分割并计数相关推荐

最新文章

热门文章