如何从图像中分离相同颜色的连接对象？答案

【问题标题】：How can I separate same colored connected object from an image?如何从图像中分离相同颜色的连接对象？
【发布时间】：2019-09-30 13:22:55
【问题描述】：

我有一张如下图：

我正在应用代码中的某种阈值。我可以像下面这样分离蓝色对象：

但是，现在我在分离这些蓝色对象时遇到了问题。我应用了分水岭（我不知道我做对了还是错了）但没有成功，所以我需要帮助来分离这些连接的对象。

我尝试使用的代码如下所示：

RGB=imread('testImage.jpg');
RGB = im2double(RGB);
cform = makecform('srgb2lab', 'AdaptedWhitePoint', whitepoint('D65'));
I = applycform(RGB,cform);
channel1Min = 12.099;
channel1Max = 36.044;
channel2Min = -9.048;
channel2Max = 48.547;
channel3Min = -53.996;
channel3Max = 15.471;
BW = (I(:,:,1) >= channel1Min ) & (I(:,:,1) <= channel1Max) & ...
    (I(:,:,2) >= channel2Min ) & (I(:,:,2) <= channel2Max) & ...
    (I(:,:,3) >= channel3Min ) & (I(:,:,3) <= channel3Max);
maskedRGBImage = RGB;
maskedRGBImage(repmat(~BW,[1 1 3])) = 0;
figure
imshow(maskedRGBImage)

【问题讨论】：

标签： matlab image-processing image-segmentation

【解决方案1】：

一般来说，这种类型的分割是一个严肃的研究问题。在您的情况下，使用morphology operations 的组合可以做得很好。这些在显微图像处理中得到广泛应用。

首先，通过去除小斑点和填充孔来稍微清理BW，

BWopen = imopen(BW, strel('disk', 6));
BWclose = imclose(BWopen, strel('disk', 6));

（您可能需要稍微调整结构元素，“6”只是一个似乎适用于您的测试图像的半径。）

然后你可以使用侵略性侵蚀来生成一些种子

seeds = imerode(BWclose, strel('disk', 35));

您可以将其用于分水岭，或者只是将 BW 中的每个点分配给其最近的种子

labels = bwlabel(seeds);

[D, i] = bwdist(seeds);
closestLabels = labels(i);
originalLabels = BWopen .* closestLabels;

imshow(originalLabels, []);

【讨论】：

【解决方案2】：

我会尝试以下步骤：

将图像转换为灰色，然后转换为二进制蒙版。
应用形态开口 (imopen) 来清理小的嘈杂对象。
使用 bwlabel 应用连接组件分析 (CCA)。每个连接的组件至少包含 1 个对象。
这些蓝色物体看起来真的像拉伸/扭曲的圆圈，所以我会尝试 Hough 变换来检测每个标记组件内的圆圈。有一个内置函数 (imfindcircles) 或在线可用代码 (Hough transform for circles)，具体取决于您的 Matlab 版本和可用的工具箱。
然后，您需要对每个组件内的对象数量 N 做出一些决定 (N>=1)。我事先不知道最佳标准应该是什么，但您也可以应用这些简单的规则： [i] 对象必须具有最小尺寸。 [ii] 重叠的圆圈对应同一个对象（或不对应，取决于重叠量）。
然后圆心可以作为种子来完成最终的对象分割。当然，如果每个组件中只有一个圆圈，你就直接把它当成一个对象就行了。

我没有在 Matlab 中检查所有步骤的有效性，但我很快检查了 1、2 和 4，它们似乎很有希望。我在图像的中心显示了最困难组件的圆形检测结果：

我用来创建这个图像的代码是：

close all;clear all;clc;

addpath 'circle_hough'; % add path to code of [Hough transform for circles] link above

im = imread('im.jpg');
img = rgb2gray(im);

mask = img>30; mask = 255*mask; % create a binary mask
figure;imshow(mask)

% filter the image so that only the central part of 6 blue objects remains (for demo purposes only)
o = zeros(size(mask)); o(170:370, 220:320) = 1;
mask = mask.*o; 
figure;imshow(mask);

se = strel('disk',3); 
mask = imopen(mask,se); % apply morphological opening
figure;imshow(mask);

% check for circles using Hough transform (see also circle_houghdemo.m in [Hough transform for circles] link above)
radii = 15:5:40; % allowed circle radii 
h = circle_hough(mask, radii, 'same', 'normalise');
% choose the 10 biggest circles
peaks = circle_houghpeaks(h, radii, 'nhoodxy', 15, 'nhoodr', 21, 'npeaks', 10);

% show result
figure;imshow(im);
for peak = peaks
    [x, y] = circlepoints(peak(3));
    hold on;plot(x+peak(1), y+peak(2), 'g-');
end

【讨论】：

您用来重现结果的实际代码会很好地完成您的答案。
感谢@rayryeng 的建议，我添加了代码。
非常好。谢谢你。 +1。

【解决方案3】：

一些自发的想法。我认为最终目标是计算蓝色微粒。如果是这样，我会寻找一种方法来确定这些物体的总面积和一个微粒的平均面积。作为第一步转换为二进制（黑白）：

level = graythresh(RGB);
BW = im2bw(RGB,level);

由于形态学操作（打开/关闭）不会保留这些区域，我会使用 bwlabel 来查找连接的组件。看着图片，我看到了 12 个孤立的微粒，两个相连的组，一些边缘被截断的微粒和一些小的嘈杂碎片。所以首先去除小物体和那些接触的边缘。然后确定总面积（bwarea）和物体的中值大小作为一个红细胞平均面积的代表。

【讨论】：