我是 python 新手并且卡住了..
我想制作一个 python 脚本，允许我在这样的图像上分离相邻的粒子：
像这样分成不同的区域：
有人建议我使用分水岭方法，据我所知，它会给我这样的东西：
编辑 实际上发现这是距离变换而不是分水岭
然后我可以在哪里使用阈值将它们分开.. 遵循这个openCV 分水岭指南，但它只能去除粒子。无法“转换”代码来做我想做的事。
然后我采取了另一种方法。尝试使用openCV 轮廓，它给了我很好的粒子轮廓。然后我一直在寻找一种简单的方法来执行多边形偏移，以便像这样缩小边缘：
使用偏移轮廓（多边形）的中心应该给我粒子的数量。但我只是能够找到一种简单的方法来使用 python 进行边缘偏移/多边形收缩。
这是一个使用 numpy、scipy 和 scikit-image（又名 skimage）的脚本。它利用局部最大值提取和分水岭加标签（即连通分量提取）。
import numpy as np
import scipy.misc
import scipy.ndimage
import skimage.feature
import skimage.morphology
# parameters
THRESHOLD = 128
# read image
im = scipy.misc.imread("JPh65.png")
# convert to gray image
im = im.mean(axis=-1)
# find peaks
peak = skimage.feature.peak_local_max(im, threshold_rel=0.9, min_distance=10)
# make an image with peaks at 1
peak_im = np.zeros_like(im)
for p in peak:
peak_im[p[0], p[1]] = 1
# label peaks
peak_label, _ = scipy.ndimage.label(peak_im)
# propagate peak labels with watershed
labels = skimage.morphology.watershed(255 - im, peak_label)
# limit watershed labels to area where the image is intense enough
result = labels * (im > THRESHOLD)