使用 SciKit 和 python 检测图像中的对象

Question

我有一个图像处理问题，我正在努力找出图像的解决方案。这是图像。基本上它是在 python 中使用 scikit 图像的分割和计数问题。基本上我必须编写一个伪代码，说明我将如何计算我拥有的源图像中的这些“矩形”对象。矩形被不同形状和大小的其他不同对象包围。最近我做了一个类似的初学者问题来计算图像中的硬币数量。这个要容易得多，因为所有对象都具有相同的性质。

你们中的任何人都可以帮助我了解如何计算剪刀，将它们与图像中的所有其他对象分开和隔离。到目前为止，我的思考过程是

1. 读入图片
2. 转换为灰度
3. 绘制直方图
4. 从这个阈值开始使用 otsupreferqbley
5. 使用 skimage clear_border 删除所有不需要的对象，这些对象会触及边框

然而，与简单且几乎相同的硬币不同，我不知道如何隔离矩形对象。 skimage 中是否有任何先进的分段技术可用于此。就像我在想blob，但我认为这不会在这里起作用。如果有人可以提供任何见解，请告诉我，我将非常感激

Answer 1

这取决于您需要解决方案的通用性。在您展示的图像中，剪刀是唯一具有 两个孔 的物体。我们可以使用skimage.measure.regionprops 属性euler_number，在文档中描述为：

非零像素集合的欧拉特性。计算为连接组件数减去孔数（input.ndim 连通性）。在 3D 中，连接组件数加上孔数减去隧道数。

因此，对于剪刀，这将是 1-2 = -1，而对于实心物体，它是 1，对于有 1 个孔的物体，它是 1-1 = 0。所以你可以说：

from skimage import measure

objects = measure.label(borders_cleared)
props_list = measure.regionprops(objects)
num_scissors = 0
for props in props_list:  # one RegionProps object per region
    if props.euler_number == -1:
        num_scissors += 1

当分割本身很容易时，如您展示的图像中所示，那么我的策略将始终是在regionprops 中找到一个属性或属性组合，以便区分我感兴趣的对象和其他对象。这可能是尺寸、伸长率、圆度……使用 extra_properties= 关键字参数，您甚至可以计算由您可以想象的任何函数定义的其他属性。