我正在尝试通过使用 OpenCV 找到它们的轮廓来获取框架上的对象数量。
That's a frame 应用 Canny 过滤器后：
然后我调用 findContours() 方法并留下适合大小的方法。 当我将它们叠加在一个框架上时，我得到了 the following picture.
可以看出，我们只有完整的轮廓对象。
所以问题是： 我们如何人为地使对象的边界成为整体？
我尝试使用扩张和腐蚀 (result of that)，但之后对象的边界被粘在一起，我们再也找不到它们的轮廓了。
【问题讨论】：
标签： image opencv image-processing computer-vision
由于轮廓连接在一起，findContours 会将连接的轮廓检测为单个轮廓，而不是单个分离的圆。当您连接了轮廓时，一种可能的方法是使用分水岭来标记和检测每个轮廓。结果如下：
输入图像
输出
代码
import cv2
import numpy as np
from skimage.feature import peak_local_max
from skimage.morphology import watershed
from scipy import ndimage
# Load in image, convert to gray scale, and Otsu's threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
# Compute Euclidean distance from every binary pixel
# to the nearest zero pixel then find peaks
distance_map = ndimage.distance_transform_edt(thresh)
local_max = peak_local_max(distance_map, indices=False, min_distance=20, labels=thresh)
# Perform connected component analysis then apply Watershed
markers = ndimage.label(local_max, structure=np.ones((3, 3)))[0]
labels = watershed(-distance_map, markers, mask=thresh)
# Iterate through unique labels
for label in np.unique(labels):
if label == 0:
continue
# Create a mask
mask = np.zeros(gray.shape, dtype="uint8")
mask[labels == label] = 255
# Find contours and determine contour area
cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
c = max(cnts, key=cv2.contourArea)
color = list(np.random.random(size=3) * 256)
cv2.drawContours(image, [c], -1, color, 4)
cv2.imshow('image', image)
cv2.waitKey()
这里有一些其他参考资料：
【讨论】：
您的对象似乎有一个模式，这些对象有时会重叠。 我建议您将图像与对象模式进行卷积，然后处理输出的分数图像。
更详细：
为简单起见，假设您的初始图像只有一个通道。您要查找的对象如下所示：。这是我们的模式。说它的大小是 [W_p,H_p]
第一步：构建新图像 - scores - 其中scores中的每个像素S = 该像素是图案中心的概率。
做到这一点的一种方法是：对于原始图像中的每个像素 P，“剪切” P 周围的 [W_p,H_p] 补丁（例如 img(Rect(P-W_p/2,P-H_p/2,W_p ,H_p)))，然后从pattern中减去patch以找到它们之间的“距离”（例如opencv中的cv::sum(cv::absdiff(patch, pattern))函数），并将这个和保存到S。
另一种方法是：S = P.clone();模式 = 模式 / cv::sum(模式); 然后将 cv::filter2D 用于带模式的 S...
现在您有了分数图像，您应该过滤误报： 1. 获得前 2% 的分数（一种方法是使用 cv::calcHist） 2. 对于在 [W_p,H_p] 内具有更高分数的邻居的每个像素 - 将此像素设为零！
现在您应该保留只有图案中心才有价值的零图像。万岁！
如果您事先不知道一个对象的外观，您可以使用轮廓找到一个对象，然后使用其轮廓的凸包（+边界框）将其“剪切”，并将其用作卷积内核用于查找其余部分。
【讨论】：