如何过滤单色图像中超出指定区域的白位？

Question

我有这张“显示小鼠大脑皮层神经元回路图的脑弓图像”的精美图像

我想计算绿色闪烁的数量，所以用 15 个集群对其运行 k-means，我隔离了一起完成这项工作的两种颜色，但我留下了许多绿色条纹/尾巴和黄色闪烁的边缘.

我希望找到一些按区域划分阈值的算法，并仅选择实际的绿色闪烁或另一种我不会遇到此问题的方法。我使用了来自 sklearn.cluster 的 python k-means

Answer 1

您可以使用颜色阈值来隔离绿色闪烁。这个想法是将图像转换为 HSV 格式并定义下/上颜色阈值范围。这会给你一个二进制掩码。从这里我们可以通过使用椭圆形内核执行形态学打开来进行额外的处理，以去除噪声和尾部。最后，我们可以找到轮廓并使用具有定义阈值区域的轮廓区域进行过滤，以仅保留较大的斑点。结果如下：

Count: 116

代码

import numpy as np
import cv2

# Color threshold
image = cv2.imread('1.jpg')
original = image.copy()
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
lower = np.array([42, 67, 0])
upper = np.array([69, 255, 255])
mask = cv2.inRange(hsv, lower, upper)

# Perform morphological operations
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1)

# Find contours and filter using contour area
cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
count = 0
for c in cnts:
    area = cv2.contourArea(c)
    if area < 5: 
        cv2.drawContours(opening,[c], -1, (0,0,0), -1)
    else:
        count += 1

result = cv2.bitwise_and(original,original,mask=opening)
print('Count: {}'.format(count))

cv2.imshow('mask', mask)
cv2.imshow('opening', opening)
cv2.imshow('result', result)
cv2.waitKey()