opencv-python实现数米粒实验_python细胞分类系统资源-CSDN文库

181 浏览量 2020-12-21 17:03:54 上传评论 3 收藏 592KB PDF 举报

资源推荐

资源详情

资源评论

opencv-python实现数米粒实验实现数米粒实验

实验目的实验目的

1,通过阈值分割将原图像转变为二值图像通过阈值分割将原图像转变为二值图像

2,找出米粒的连通域，数出米粒的数目找出米粒的连通域，数出米粒的数目

3,找出米粒中最大的面积和周长是多少，并给出在图片的位置找出米粒中最大的面积和周长是多少，并给出在图片的位置

实验过程实验过程

openCV提供了非常好用的简单全局阈值分割的函数

cv2.threshold(src, thresh, maxval, type, dst=None)

关于threshold函数详解

对原始灰度图像进行灰度直方图分析，可以明显看出灰度值分布区间较大，并且有三座峰(这里暂时不考虑多阈值分割问题)，因此难以通过单一阈值进行有效分割，所以应使用

OTSU 或者 TRIANGLE 的优化方法。

但是如果直接对图像进行二值化处理，得到的效果可能不尽人意(Tips:在二值化之前需要转化为灰度图像，因要使用 OTSU 或者 THRESH 进行算法优化，两种优化策略详情见方法链

接。而且该实验场景下灰度图像会大大简化实验操作)。

import cv2 as cv

#原始图像

img = cv.imread("rice.png")

#色彩空间转换

gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

ret, otsu = cv.threshold(gray_img, 0, 255,

cv.THRESH_BINARY | cv.THRESH_OTSU)

ret2, triangle = cv.threshold(gray_img, 0, 255,

cv.THRESH_BINARY | cv.THRESH_TRIANGLE)

cv.imshow("otsu", otsu)

cv.imshow("triangle", triangle)

cv.waitKey(0)

受到噪点影响，对后续处理工作将带来极大的不便利，因此首要目标是去除背景噪点。常见的去除噪点的方式有各种滤波器，本次实验中我尝试利用了中值滤波和高斯滤波，虽然能

有效去除背景噪点，但是不可避免的会对整个米粒形态造成一定的影响，因此在这里我介绍另外一种方法，通过使用形态学的开操作对图像进行预处理。(关于图像处理中的形态学操

作原理有兴趣的可以去查阅冈萨雷斯版本的数字图像处理冈萨雷斯版本的数字图像处理 )。

形态学操作其实就是改变物体的形状，比如腐蚀就是”变瘦”，膨胀就是”变胖”

在实验中我将使用开操作(先对图像进行腐蚀再对图像进行膨胀)通过这种方式来获取到理想的图像。

kernels = np.ones((5, 5), np.uint8)

# 腐蚀

img_erode = cv.erode(img, kernels, iterations=5)

cv.imshow("erode_image",img_erode)

# 膨胀

img_dilation = cv.dilate(img_erode, kernels, iterations=5)

cv.imshow("dilation_image", img_dilation)

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

内容反馈

weixin_38564990

粉丝: 5
资源: 927

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip