【问题标题】:Area of Objects detected by watershed algorithm分水岭算法检测到的物体面积
【发布时间】:2019-06-06 20:58:03
【问题描述】:

我正在使用分水岭算法来检测树冠。这些图像是由无人机拍摄的,如下所示。 我想单独获取每棵树的面积(像素数),但我不知道该怎么做。

代码

img = cv2.imread("subset3.tif")
imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(imgray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 713, 9)

# noise removal
kernel = np.ones((9,9),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 3)

# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,3)
ret, sure_fg = cv2.threshold(dist_transform,0.005*dist_transform.max(),255,0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)

# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers+1

# Now, mark the region of unknown with zero
markers[unknown==255] = 0

#Apply watershed()
markers = cv2.watershed(img,markers)
img[markers == -1] = [0,255,0]

【问题讨论】:

    标签: python opencv image-processing image-segmentation watershed


    【解决方案1】:

    基本上ret 是组件的数量,markers 标记每个像素属于哪个组件。所以我们可以数一数:

    area =[np.sum(markers==val) for val in range(ret)]
         
    

    您可能需要更改为range(1, ret+1),因为我们已经转移了markers

    【讨论】:

    • 这是一个可能很昂贵的解决方案。如果您有 100 个区域,您将遍历图像 100 次来计数。最好先制作直方图,然后一次性计算所有标签。
    • @CrisLuengo 完全没有想到直方图。这本质上是一个 for 循环和计数。
    • 非常感谢大家!
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2018-10-26
    • 1970-01-01
    • 2012-07-22
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多