我打算用Open-CV编写一个程序来计算图像中与下面类似的对象数 .
我计划采用的方法是使用直方图来阈值图像，然后使用Blob检测来计算所识别的Blob的数量 . 只要颗粒状物体不相互接触，这就可以正常工作 . （虽然重叠超出范围）我已经研究了使用Watershed分段来识别彼此接触的对象的可能性 .
我不清楚的是，如何将这两种技术应用于可能有或没有重叠颗粒的图像 . 如果图像中至少有一个颗粒相互接触，我是否可以执行这两种技术？如果是这样的话？或者我只执行Watershed，因为在某处会有重叠并且执行Blob检测会导致由于合并的blob导致错误的输出？提前致谢 .
1 回答
你说“假设图像中至少有一个重叠的实例”，而且“重叠超出了范围” .
如果Watershed算法处理具有重叠粒料的图像，则Blob检测可能不会提供任何优势（因为它将合并重叠的对象） .
如果你真的想要结合这些方法，你可以在他们自己的管道中运行它们，并使用概率模型来组合这两者 . 但最好从简单开始，看看你先得到什么样的结果 .
以下是使用Matlab进行细胞分割的示例：
http://blogs.mathworks.com/steve/2006/06/02/cell-segmentation/
如果您需要避免计算仅部分在视图中的对象，则可以使用Voronoi图并删除与边连接的对象：
http://pythonvision.org/basic-tutorial