OpenCV：去除背景噪音并增加信号强度

Question

我是 OpenCV 新手，尝试了多种方法，但仍有一些问题。 我有这样的图片：

在中心有一个集群（很难看到）。我想找到那些集群并计算它们。我为此使用了cv2.findContours，这对于这些集群具有良好亮度且背景噪声不太强的图像已经非常有效。

对于这样的图像，集群非常暗或背景噪声非常强并且看起来与实际集群非常相似的图像，我无法检测到它们。

所以我现在想做的是去除背景噪音，这样就只剩下集群了。然后我可以增加图像的亮度，并且（我认为）应该更容易识别这些集群。

背景噪音会很大！上图是一个样本，没有太多的背景噪音，但可能会更糟。 我有我知道的图像，其中没有簇（阴性对照）。里面的一切都只是背景噪音。所以我的想法是在这个阴性对照中找到主色：

from skimage import io
def getDominantColor(image):
        a = io.imread(image)[:, :, :-1]
    
        colors, count = np.unique(a.reshape(-1, a.shape[-1]), axis=0, return_counts=True)
        return colors[count.argmax()]

主色应该是背景噪音。 然后从有簇的图像中减去这个主色：

def substract(image, dominant):
    cells = cv2.imread(image)
    cells = cells[:, :, 2]
    cells = cv2.subtract(cells, dominant)

虽然这段代码不起作用...... :) 但除此之外，我想知道你们是否认为这是解决这类问题的正确方向？

简而言之，我想去除背景噪音，这样只有我感兴趣的信息才会保留在图像中。 背景噪音会很大，而且我有一些图像，我知道那里只有背景噪音，没有别的。

非常感谢您能给我的任何提示！ 最好的祝福， 马丁

Answer 1

这是 Python/OpenCV/Skimage 中的一种方法

 - Read the input
 - Stretch to full dynamic range
 - Apply morphology to clean the image
 - Convert to gray
 - Otsu threshold
 - Get the largest contour
 - Draw the contour outline on the stretched image
 - Extract the contour region from the stretched image and place it on a black background
 - Save the results

输入：

import cv2
import numpy as np
import skimage.exposure


# read image
img = cv2.imread('dark_image.png')
hh, ww = img.shape[:2]

# stretch dynamic range
stretch = skimage.exposure.rescale_intensity(img, in_range='image', out_range=(0,255))

# apply morphology
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (101,101))
morph = cv2.morphologyEx(stretch, cv2.MORPH_CLOSE, kernel)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11))
morph = cv2.morphologyEx(morph, cv2.MORPH_OPEN, kernel)

# convert to grayscale
gray = cv2.cvtColor(morph,cv2.COLOR_BGR2GRAY)

# threshold
#thresh = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY)[1]\
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]

# get largest contour
contours = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
contours = contours[0] if len(contours) == 2 else contours[1]
big_contour = max(contours, key=cv2.contourArea)

# draw contour on stretched image
result1 = stretch.copy()
cv2.drawContours(result1, [big_contour], 0, (255,255,255), 1)

# draw region on black background
contour = np.zeros((stretch.shape[:2]), dtype=np.uint8)
result2 = np.zeros_like(stretch)
cv2.drawContours(contour, [big_contour], 0, 255, -1)
result2[contour > 0] = stretch[contour > 0]

# save result
cv2.imwrite("dark_image_stretch.jpg", stretch)
cv2.imwrite("dark_image_morph.jpg", morph)
cv2.imwrite("dark_image_gray.jpg", gray)
cv2.imwrite("dark_image_threshold.jpg", thresh)
cv2.imwrite("dark_image_result1.jpg", result1)
cv2.imwrite("dark_image_result2.jpg", result2)

# view result
cv2.imshow("stretch", stretch)
cv2.imshow("morph", morph)
cv2.imshow("gray", gray)
cv2.imshow("threshold", thresh)
cv2.imshow("result1", result1)
cv2.imshow("result2", result2)
cv2.waitKey(0)
cv2.destroyAllWindows()

拉伸到全动态范围图像：

形态清洁图像：

灰色图像：

阈值图像：

拉伸图像上的轮廓轮廓：

黑色背景上拉伸图像的轮廓区域：

Answer 2

这是我之前在 Python/OpenCV 中的解决方案的另一个变体。

 - Read the input
 - Stretch to full dynamic range
 - Convert to gray
 - Threshold
 - Blur
 - Threshold again
 - Get the largest contour
 - Draw the contour outline on the stretched image
 - Extract the contour region from the stretched image and place it on a black background
 - Save the results

输入：

• 读取输入
• 拉伸到全动态范围
• 应用形态学清洁图像
• 转换为灰色
• 大津阈值
• 获取最大轮廓
• 在拉伸后的图像上绘制轮廓轮廓
• 从拉伸后的图像中提取轮廓区域并将其放置在黑色背景上
• 保存结果

拉伸图像：

灰色图像：

最终阈值图像：

结果 1：

结果 2：