10

我的一位朋友正在从事以下项目：

下面是不锈钢表面的显微 (SEM) 图像。

在此处输入图像描述

但是你可以看到，它被腐蚀了一点（长时间暴露在海洋环境中），表面形成了一些凹坑。一些坑用红色圆圈标记。

他需要在图像中找到坑的数量，并且他是手动计算的（想象一下，有将近 150 个图像）。所以我想用任何图像处理工具来自动化这个过程。

问题：

我怎样才能找到这张图片中的坑数？

我尝试了什么：

作为第一步，我通过关闭操作稍微提高了对比度。

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('6.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11))

close = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)

close2 = cv2.add(close,1)
div = (np.float32(gray)+1)/(close2)
div2 = cv2.normalize(div,None, 0,255, cv2.NORM_MINMAX)
div3 = np.uint8(div2)

结果：

在此处输入图像描述

然后我为 127 应用了一些阈值并在其中找到轮廓。后来这些轮廓根据它们的面积进行过滤（没有关于面积的具体信息，我取了1-10的范围作为经验值）。

ret, thresh = cv2.threshold(div3, 127,255, cv2.THRESH_BINARY_INV)
temp, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

res = np.zeros(gray.shape,np.uint8)

for cnt in contours:
    if 1.0 < cv2.contourArea(cnt) < 10.0:
        res = cv2.drawContours(res, [cnt], 0, 255, -1)

plt.subplot(121); plt.imshow(img, 'gray'); plt.subplot(122); plt.imshow(res,'gray'); plt.show()

但它最终产生了很多额外的噪音。看下面的结果：

在此处输入图像描述

附加信息：

一些测试图像：

在此处输入图像描述 在此处输入图像描述

4

1 回答 1

6

您的案例让我想起了一篇论文（Human Detection Using a Mobile Platform and Novel Features Derived From a Visual Saliency Mechanism），该论文基于中心神经节细胞概念计算图像的显着性，即一种检测被黑暗区域包围的明亮像素的方法（或相反的称为偏心单元）。

神经节细胞

要近似这些单元格，您可以使用矩形区域。通过使用积分图像，您可以加快程序。查看论文以获取详细信息。

另一个想法是复合滤波器的卷积。找到一个非常接近每个坑的模板，并将模板与图像相关联（或使用多个过滤器进行比例/形状变化）。

于 2014-05-07T12:39:35.767 回答