在 Python 中使用 OpenCV 轮廓分析荧光细胞图像答案

【问题标题】：Using OpenCV Contours in Python to Analyze fluorescent cell image在 Python 中使用 OpenCV 轮廓分析荧光细胞图像
【发布时间】：2020-07-03 20:07:03
【问题描述】：

我正在尝试使用 OpenCV 中的 Contours 来计数荧光细胞并计算总荧光面积。在探索了 Scikit Image 中的选项并尝试了 blob 检测之后，这似乎是我的图像类型最简单的方法。不幸的是，我似乎无法在细胞周围绘制轮廓。知道我做错了什么吗？

import cv2
import numpy as np

#import image
image = cv2.imread('Microcystis1.png')
cv2.imshow('image',image)
cv2.waitKey(0)

#Convert image to Grayscale
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow('grayscale',gray)
cv2.waitKey(0)

#Threshold Binary
ret,thresh1 = cv2.threshold(gray,45,255,cv2.THRESH_BINARY)
cv2.imshow('binary',thresh1)
cv2.waitKey(0)

#Detect contours
contours, hierarchy = cv2.findContours(thresh1,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

#Draw contours
img = cv2.drawContours(thresh1, contours, -1, (0,255,0), 3)
cv2.imshow('contours',img)
cv2.waitKey(0)

#Analyze and Report Contours
cnt = contours[0]
area = cv2.contourArea(cnt)
print("Total Area: ", area)
print("Cell Count: ", len(cnt))

这是处理图像的方式...

我的输出：

Total Area:  16.0
Cell Count:  14

【问题讨论】：

标签： python opencv image-processing contour

【解决方案1】：

您不需要获取轮廓。您可以在 Python/OpenCV 中简单地计算阈值图像中非零像素（白色像素）的数量。见

area = cv2.countNonZero(thresh)

https://docs.opencv.org/4.1.1/d2/de8/group__core__array.html#gaa4b89393263bb4d604e0fe5986723914

【讨论】：

【解决方案2】：

您正在灰度图像上绘制轮廓。如果您仔细放大，您会看到它们正在被绘制。要完整查看它们，您可以使用两个选项：

如果您只想按照问题所示在thresh1 上绘制它们，请将颜色从(0, 255, 0) 更改为（255、255、255）。这将确保轮廓为白色。
如果您希望它们具有其他颜色，例如使用 (0, 255, 0) 获得的绿色，那么您可以创建一个 NumPy 零数组并在其上绘制轮廓。

h, w = thresh1.shape
img = np.zeros((w, h), dtype=np.uint8)
cv2.drawContours(img, contours, -1, (0,255,0), 3)

现在显示img，它应该有绿色轮廓。

【讨论】：

谢谢。改变颜色有帮助，但它低估了我的细胞数量和面积（与以前的输出相同）。看起来使用 img 数组的长度可以让我计数，但我也可以用它来计算面积吗？
有一个函数叫做cv2.contourArea。我想你可以通过它找出所有轮廓的面积并总结出来。
另一个我可以建议的是，要获得确切的区域，不需要使用轮廓。由于您已经对灰度图像中的所有粒子进行了阈值处理，因此您可以简单地找出数组 thresh1 的总和并将其除以 255。这将起作用，因为您的粒子的值为 255，而背景的值为 0 . 但是，这不会只计算面积。

【解决方案3】：

为了找到轮廓的总数及其各自的区域，您需要获取轮廓的平面列表，而不是分层列表：https://docs.opencv.org/4.3.0/d3/dc0/group__imgproc__shape.html#ga819779b9857cc2f8601e6526a3a5bc71

cv2.RETR_TREE 告诉算法将事物组合在一起。

cv2.RETR_LIST 告诉 aglo 给你一个包含所有单个点的平面列表。

我相信这就是为什么您看到 14 个单元的总面积为 16.0。

【讨论】：