我试图在执行二进制阈值后填充图像中的红细胞“洞” . 当反转二进制阈值时，几乎所有红细胞都具有黑色中心 . 我想删除它们 .
示例图片：
这是我的代码：
import cv2
from PIL import Image
import numpy as np
from scipy import ndimage
from skimage.feature import peak_local_max
from skimage.morphology import watershed
image = cv2.imread("blood_cells.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
darker = cv2.equalizeHist(gray)
ret,thresh = cv2.threshold(darker,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
newimg = cv2.bitwise_not(thresh)
im2, contours, hierarchy = cv2.findContours(newimg,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
cv2.drawContours(newimg,[cnt],0,255,-1)
它奏效了 . 我用 findContours() 和 drawContours() 填补了这些漏洞 .
但是当我尝试计算欧氏距离时，为了应用分水岭算法，我只得到52个独特的段，但是应该有更多 . 这是代码，如果它可能有用：
D = ndimage.distance_transform_edt(newimg)
localMax = peak_local_max(D, indices=False, min_distance=20, labels=thresh)
markers = ndimage.label(localMax, structure=np.ones((3, 3)))[0]
labels = watershed(-D, markers, mask=thresh)
print("[INFO] {} unique segments found".format(len(np.unique(labels)) - 1))
我试图对每个细胞进行分割，但结果非常不合适 . 只有具有“孔”的细胞内部才被分割 .
第一张图显示了我的结果，第二张图显示了它应该如何：
.
然后我手动填充漏洞，只是为了看看我的分段代码是否有效 - 并且它有效 . 错误应该介于我绘制轮廓的部分和我计算欧氏距离的部分之间 . 任何人都可以向我解释什么可能是错的？我很无能为力 .
1 回答
您的问题在于以下几行：
你作为掩码传递了一个倒置的，未校正的阈值结果：
给你这个糟糕的细分：
你应该通过修正后的面具：
给你你可能期望的结果：