Один из моих друзей работал над следующим проектом:
Ниже представлено микроскопическое изображение (SEM) поверхности из нержавеющей стали.
Но вы можете видеть, что он немного корродирует (после длительного воздействия морской среды), и некоторые ямы образуются на поверхности. Некоторые из ям отмечены красным кружком.
Ему нужно найти количество ям в изображении, и он подсчитывал их вручную (представьте, их почти 150 изображений). Поэтому я подумал о автоматизации этого процесса с помощью любого инструмента обработки изображений.
Вопрос:
Как я могу найти количество ям на этом изображении?
Что я пробовал:
В качестве первого шага я немного улучшил контраст, закрыв операцию.
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('6.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11))
close = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)
close2 = cv2.add(close,1)
div = (np.float32(gray)+1)/(close2)
div2 = cv2.normalize(div,None, 0,255, cv2.NORM_MINMAX)
div3 = np.uint8(div2)
Результат:
Затем я применил некоторый порог для 127 и нашел в нем контуры. Позже эти контуры фильтруются на основе их площади (нет конкретной информации об этой области, я использовал диапазон 1-10 в качестве эмпирического значения).
ret, thresh = cv2.threshold(div3, 127,255, cv2.THRESH_BINARY_INV)
temp, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
res = np.zeros(gray.shape,np.uint8)
for cnt in contours:
if 1.0 < cv2.contourArea(cnt) < 10.0:
res = cv2.drawContours(res, [cnt], 0, 255, -1)
plt.subplot(121); plt.imshow(img, 'gray'); plt.subplot(122); plt.imshow(res,'gray'); plt.show()
Но это закончилось большим количеством дополнительного шума. См. Результат ниже:
Дополнительная информация:
Некоторые тестовые изображения: