计算图像中的彩色点答案

【问题标题】：count colored dots in image计算图像中的彩色点
【发布时间】：2017-11-10 09:28:58
【问题描述】：

首先，对不起，如果这个话题已经存在（我认为这是一个常见的任务，但找不到任何东西）。

关键是我有一张图像，它显示了不同颜色的不同点。我需要一个脚本来计算有多少个红点、绿点和黄点。颜色是纯红色（ff0000）、绿色（00ff00）和黄色（ffff00）。这使得这更容易，并且形状定义明确。

我目前的方法是选择圆形（点）形状，选择它们，然后一旦我的所有点都远离背景图像，读取它的颜色来计算它们......

关键是我很迷茫。我知道这可以用 OpenCV 完成，但不知道如何（也找不到任何好的教程）。

有什么想法吗？

【问题讨论】：

你有使用 JPEG - 你不能让生活更轻松并使用 PNG 吗？
然后对每种不同的颜色使用inRange（最终在HSV空间中）并计算连接组件的数量。可能再多做一点研究也不会受到伤害
点不完整怎么办？他们算不算？
你打算使用 Python 和 OpenCV 吗？可以用四行bash来完成，其中两行是for ... done循环，其中一行是echo来标注输出。
欢迎来到 StackOverflow。请阅读并遵循帮助文档中的发布指南。 on topic 和 how to ask 在这里申请。 StackOverflow 不是设计、编码、研究或教程服务。

标签： python opencv image-processing computer-vision

【解决方案1】：

这是基于OpenCV 3.2 和Python 2.7 的示例解决方案。

要计算彩色点，请对每种颜色类型重复以下 4 个步骤。

应用中值滤波器降低噪音 - cv2.medianBlur()。
应用颜色阈值来分割彩色点 - 使用 cv2.inRange()。
使用Hough Circle Transform 检测圆圈 - 使用circles = cv2.HoughCircles(mask,cv2.HOUGH_GRADIENT,...)
遍历每个检测到的圆圈以绘制其中心和围绕它的圆圈，并计算彩色点的数量。

检测到的点的示例图像：

红色 - 10 点

绿色 - 39 点

黄色 - 30 点

请注意，未检测到右侧最后一个小于半圆的黄点。这可能是霍夫圆变换cv2.HoughCircles() 的限制。因此，如果发生此类问题，您需要决定如何处理。

这里是示例代码：

import cv2
import numpy

red = [(0,0,240),(10,10,255)] # lower and upper 
green = [(0,240,0),(10,255,10)]
yellow = [(0,240,250),(10,255,255)]
dot_colors = [red, green, yellow]
    
img = cv2.imread('./imagesStackoverflow/count_colored_dots.jpg')   
# apply medianBlur to smooth image before threshholding
blur= cv2.medianBlur(img, 7) # smooth image by 7x7 pixels, may need to adjust a bit

for lower, upper in dot_colors:
    output = img.copy()
    # apply threshhold color to white (255,255, 255) and the rest to black(0,0,0)
    mask = cv2.inRange(blur,lower,upper) 

    circles = cv2.HoughCircles(mask,cv2.HOUGH_GRADIENT,1,20,param1=20,param2=8,
                               minRadius=0,maxRadius=60)    
    index = 0
    if circles is not None:
        # convert the (x, y) coordinates and radius of the circles to integers
        circles = numpy.round(circles[0, :]).astype("int")

        # loop over the (x, y) coordinates and radius of the circles
        for (x, y, r) in circles:
            # draw the circle in the output image, 
            #   then draw a rectangle corresponding to the center of the circle
            cv2.circle(output, (x, y), r, (255, 0, 255), 2)
            cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (255, 0, 255), -1)

            index = index + 1
            #print str(index) + " : " + str(r) + ", (x,y) = " + str(x) + ', ' + str(y)
        print 'No. of circles detected = {}'.format(index)

希望对您有所帮助。

【讨论】：

【解决方案2】：

由于您似乎没有在 OpenCV/Python 解决方案方面获得太多帮助，我想我会以不同的方式发布 - 使用 bash 和 ImageMagick。我会先展示bash 脚本，然后再解释一下。

ImageMagick 安装在大多数 Linux 发行版上，并且可免费用于 macOS 和 Windows。它还具有 C/C++、Perl、Python、PHP、Ruby、Java 绑定。请注意，不需要为此编写任何代码，也不需要编译器。

#!/bin/bash

for colour in red yellow lime ; do
   echo -n "Colour: $colour "
   convert dots.jpg -fuzz 20%                              \
     -fill white -opaque $colour -fill black +opaque white \
     -define connected-components:verbose=true             \
     -define connected-components:area-threshold=800       \
     -connected-components 8 output.png | grep -c "rgb(255,255,255)"
done

输出如下：

Colour: red 10
Colour: yellow 30
Colour: lime 37

convert 命令是 ImageMagick 套件的一部分。让我们看看当colour 是red 时，该命令在第一次循环中是如何工作的。首先，让我们看看convert 命令的前两行：

convert dots.jpg -fuzz 20%                          \
 -fill white -opaque red -fill black +opaque white intermediate.png

希望你能看到它用白色填充 20% 红色范围内的所有像素，然后用纯黑色填充所有非白色的像素。

convert 命令的其余部分通过 “连接组件分析” 将上面的图像放入并列出面积超过 800 像素的所有 blob - 这大约是 blob 平均大小的一半这就是为什么我在 cmets 部分询问有关部分 blob 的原因。让我们看看当我们运行它时会发生什么：

convert intermediate.png \
   -define connected-components:verbose=true       \
   -define connected-components:area-threshold=800 \
   -connected-components 8 -auto-level output.png

输出

Objects (id: bounding-box centroid area mean-color):
  0: 1342x858+0+0 670.0,426.9 1140186 srgb(0,0,0)
  191: 39x39+848+595 866.9,614.1 1165 srgb(255,255,255)    <--- DRAW THIS ONE
  192: 39x39+482+664 500.9,682.9 1165 srgb(255,255,255)
  117: 38x39+4+292 22.5,311.0 1155 srgb(255,255,255)
  194: 39x38+1250+732 1268.9,750.5 1154 srgb(255,255,255)
  178: 39x38+824+512 843.0,530.1 1154 srgb(255,255,255)
  186: 39x38+647+549 666.0,567.5 1152 srgb(255,255,255)
  197: 38x39+1270+796 1288.5,815.0 1150 srgb(255,255,255)
  173: 38x38+811+444 829.5,462.5 1143 srgb(255,255,255)
  195: 38x39+711+783 729.6,801.5 1138 srgb(255,255,255)
  107: 27x39+0+223 11.5,242.0 874 srgb(255,255,255)

希望您能看到第一行是描述列的标题，有 10 行是白色的 srgb(255,255,255)，每行对应一个 blob - 即您的一个红色磁盘（我们将其设为白色）。它们都是大约 39x39 像素（即方形框中的圆形），面积约为 1150 像素 - 如果您想象半径为 19 像素，那么 Pi*r^2=1150。它们的大小（宽度和高度）和位置（从左上角开始的 x 和 y）位于第二列。

如果您想计算小至全尺寸 blob 的 25% 的部分 blob，您可以将阈值更改为 1150（自然的完整 blob 大小）的 25% 或 287，而不是我估计的 800。

脚本的其余部分只计算其中有白色斑点的行 (grep -c)，并为您寻找的其他颜色重复该过程。请注意，您的 "green" 对应于 ImageMagick 使用的 X11 命名方案中的 "lime"。

只是为了好玩，让我们用半透明的蓝色填充我在上面的输出列表中用箭头标记的blob：

convert dots.jpg -fill "rgba(0,0,255,0.5)" -draw "rectangle 848,595 887,634" temp.png

我希望这有助于完成工作并展示一种方法，即使它不是您期望使用的工具。请注意，OpenCV 有 Connected Components 和类似的算法 - 我只是不会说 Python，C++ 版本对你没有更多帮助！

【讨论】：

非常详尽的解释，马克。您也可以通过简单地将除 3 种颜色以外的所有颜色都设为白色来避免循环，然后运行连接的组件，它会列出每种颜色的区域。但是，您必须对该列表进行后处理以计算每种颜色的数量。所以我认为你的方法可能更简单，更直接。

【解决方案3】：

由于您已经知道要查找的颜色，我将根据颜色对图像进行分割。我将遵循的步骤是：

red_dot_count = 0 
yellow_dot_count = 0
green_dot_count = 0
For each pixel in the image:
   if pixel color is red:
       floodfill using this pixel as seed pixel and target_color as black
       red_dot_count++
   if pixel color is green:
       floodfill using this pixel as seed pixel and target_color as black
       green_dot_count++
   if pixel is yellow:
       floodfill using this pixel as seed pixel and target_color as black
       yellow_dot_count++

正如@Mark 指出的那样，您的图像必须是 PNG 图像。

此外，这假设红色、绿色和黄色点中的颜色不会出现在图像的其他任何地方。

【讨论】：

@Akiru 如果此处发布的任何答案有助于解决您的问题，请标记相应的答案已被接受。