使用图像处理鲁棒估计透明液体的体积

Question

我正在开展一个项目，该项目涉及确定密闭空间中透明液体（或空气，如果证明更容易的话）的体积。 我正在使用的图像是没有任何液体的容器的背景图像和前景图像，在极少数情况下也可能是空的，但大多数时候部分填充了一定量的液体。

虽然这似乎是一种非常简单的平滑和阈值方法，但事实证明它有点困难。 我正在使用一组包含大量背景和前景图像的图像对，但我似乎无法找到一种足够强大的方法来应用于集合中的所有图像。 到目前为止，我的工作涉及对图像进行平滑和阈值处理，并应用关闭来包裹它。

bg_image = cv.imread("bg_image", 0)
fg_image = cv.imread("fg_image", 0)

blur_fg = cv.GaussianBlur(fg_image, (5, 5), sigmaX=0, sigmaY=0)
thresholded_image = cv.threshold(blur_fg, 186, 255, cv.THRESH_BINARY_INV)[1]

kernel = np.ones((4,2),np.uint8)
closing = cv.morphologyEx(thresholded_image, cv.MORPH_CLOSE, kernel)

结果各不相同，这里是一个顺利的例子：

在其他示例中，情况并非如此：

除此之外，我也尝试过：

1. 背景和前景图像的减法
2. 对比拉伸
3. 直方图均衡化
4. 其他阈值技术，例如 Otsu

主要问题是空气和液体中的像素强度有时会重叠（通常对比度很低），导致估计不准确。我倾向于利用液体和空气之间的边缘，但我不确定如何..

我不想在这里过多地介绍信息，所以我将其留在那里。我很感激任何建议，如有需要可以提供更多信息。

编辑：

这里有一些示例图片可供使用。

Answer 1

这是一种方法，您可以计算图像中每列像素的平均值，然后计算平均值的梯度：

#!/usr/bin/env python3

import cv2
import numpy as np
import matplotlib.pyplot as plt

filename = 'fg1.png'

# Load image as greyscale and calculate means of each column of pixels
im = cv2.imread(filename, cv2.IMREAD_GRAYSCALE)
means = np.mean(im, axis=0)

# Calculate the gradient of the means
y = np.gradient(means)

# Plot the gradient of the means
xdata = np.arange(0, y.shape[0])
plt.plot(xdata, y, 'bo')           # blue circles
plt.title(f'Gradient of Column Means for "{filename}"')
plt.xlabel('x')
plt.ylabel('Gradient of Column Means')
plt.grid(True)
plt.show()

---

如果你只绘制所有列的平均值，而不用梯度，你会得到：