改善低对比度图像分割答案

【问题标题】：Improving Low Contrast Image Segmentation改善低对比度图像分割
【发布时间】：2016-11-30 09:44:11
【问题描述】：

我有需要分割的相差显微镜图像。由于背景中的对象之间缺乏对比，似乎很难分割它们（图 1）。我使用函数adapthisteq 来增加单元格的可见性（图2）。有什么办法可以改善细胞的分割？

normalImage = imread(fileName);
channlImage = rgb2gray(normalImage);
histogramEq = adapthisteq(channlImage,'NumTiles',[50 50],'ClipLimit',0.1);
saturateInt = imadjust(histogramEq);
binaryImage = im2bw(saturateInt,graythresh(saturateInt));
binaryImage = 1 - binaryImage;

normalImage - 原始图像 histogramEq - 增加可见性图像 binaryImage - 二值化图像

【问题讨论】：

标签： matlab image-processing image-segmentation contrast

【解决方案1】：

在应用阈值之前，我会使用白色礼帽将不同的图案与背景分开。见here the result。那你stretch the histogram。

然后你可以应用你所做的。

【讨论】：

嗨，我在histogramEq 之后添加了tophatImage = imtophat(histogramEq,strel('disk',7)) 行。结果看起来与您的非常相似，但不同之处在于，与您的背景相比，感兴趣的对象看起来更亮。你是如何使感兴趣的物体变亮的？ stretching the histogram 是什么意思？
我的建议是在adapthisteq之前戴上礼帽，而不是之后。礼帽对照明变化不敏感。我添加了一个关于直方图拉伸的链接。
它似乎仍然没有帮助准确的分割。
你能分享你在 top-hat+ histogramEq 之后的图像吗？

【解决方案2】：

我想以 FiReTiTi 的回答为基础。我有下面的代码和一些截图。我已经使用 OpenCV 3.0.0 完成了这项工作

import cv2

x = 'test.jpg'
img = cv2.imread(x, 1)
cv2.imshow("img",img)

#----converting the image to grayscale
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', gray)

#----binarization of image
ret,thresh = cv2.threshold(gray,250,255,cv2.THRESH_BINARY)
cv2.imshow("thresh",thresh)

#----performing adaptive thresholding
athresh=cv2.adaptiveThreshold(thresh, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
cv2.imshow('athresh', athresh)

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(7, 7))

#----morphological operation
closing = cv2.morphologyEx(athresh, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)

#----masking the obtained result on the grayscale image
result = cv2.bitwise_and(gray, gray, mask= closing)
cv2.imshow('result ', result )

【讨论】：