python通过偏移轮廓/缩小多边形来分离圆形粒子

Question

我是 python 新手，卡住了..

我想制作一个 python 脚本，让我可以像这样分离图像上的相邻粒子：

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，它会给我这样的结果：

编辑 居然发现这是距离变换，不是分水岭

然后我可以使用阈值将它们分开.. 遵循这个openCV watershed guide，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 contours，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。但我只是找到了一种简单的方法来使用 python 进行边缘偏移/多边形收缩。

Answer 1

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)