Альтернативные методы сегментации, кроме водораздела для частиц почвы на изображениях

Question

Я ищу альтернативный способ сегментирования зерен на следующем изображении зерен почвы, отличных от сегментации водораздела в python, так как это может ввести в заблуждение правильное обнаружение зерен, кроме того, я работаю над изображением обнаружения краев ( с использованием алгоритма HED) в приложении. Я надеюсь найти лучший способ сегментирования зерен для дальнейшей обработки, поскольку я хотел бы получить площадь каждого многоугольника на изображении в моем проекте. Заранее спасибо, я также спрашиваю о случайном Сегментация Уокера или любой другой доступный метод.

Answer 1

Вы можете попробовать использовать подключенные компоненты со статистикой, уже реализованной как cv2.connectedComponentsWithStats для выполнения маркировки компонентов. Используя ваше двоичное изображение в качестве входных данных, вот изображение ложного цвета:

Центроид каждого объекта можно найти в параметре centroid и других такую ​​информацию, как площадь, можно найти в переменной status, возвращаемой из cv2.connectedComponentsWithStats. Вот изображение, обозначенное площадью каждого многоугольника. Вы можете фильтровать, используя минимальную пороговую область, чтобы сохранить только большие полигоны

Код

import cv2
import numpy as np

# Load image, Gaussian blur, grayscale, Otsu's threshold
image = cv2.imread('2.jpg')
blur = cv2.GaussianBlur(image, (3,3), 0)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Perform connected component labeling
n_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh, connectivity=4)

# Create false color image and color background black
colors = np.random.randint(0, 255, size=(n_labels, 3), dtype=np.uint8)
colors[0] = [0, 0, 0]  # for cosmetic reason we want the background black
false_colors = colors[labels]

# Label area of each polygon
false_colors_area = false_colors.copy()
for i, centroid in enumerate(centroids[1:], start=1):
    area = stats[i, 4]
    cv2.putText(false_colors_area, str(area), (int(centroid[0]), int(centroid[1])), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255,255,255), 1)

cv2.imshow('thresh', thresh)
cv2.imshow('false_colors', false_colors)
cv2.imshow('false_colors_area', false_colors_area)
cv2.waitKey()

Answer 2

Я использовал U-Net для другого приложения, и ваш случай очень похож на то, что делает U-Net. Вы можете найти больше информации здесь . Но, как правило, это сверточная нейронная сеть для сегментации медицинских изображений.

Чтобы начать использовать U- Net, вы можете найти предварительно натренированную модель и нанесите ее на свои изображения и посмотрите результат.