如何在 PIL 中选择与图像边缘相邻的所有黑色像素？

Question

我有一组图像培养皿，不幸的是不是最高质量（下面的示例，轴不是图像的一部分）。我正在尝试选择背景并使用以下像素计算其面积：image = Image.open(path)black_image = 1 * (np.asarray(image.convert('L')) < 12)black_region = black_image.sum()这产生以下内容：如果我对黑色像素的选择更严格，我会错过其他图像中的像素，如果我更宽松，我最终会选择过多的培养皿本身。有没有办法我只能选择亮度值小于 12 并且与边缘相邻的像素？我也对 openCV 解决方案持开放态度。

Answer 1

希望我没有把问题简单化，但从我的角度来看，使用 OpenCV 和简单的阈值、形态学操作，findContours应该可以完成这项工作。

请看下面的代码：

import cv2

import numpy as np

# Input

input = cv2.imread('images/x0ziO.png', cv2.IMREAD_COLOR)

# Input to grayscale

gray = cv2.cvtColor(input, cv2.COLOR_BGR2GRAY)

# Binary threshold

_, gray = cv2.threshold(gray, 20, 255, cv2.THRESH_BINARY)

# Morphological improvements of the mask

gray = cv2.morphologyEx(gray, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)))

gray = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11, 11)))

# Find contours

cnts, _ = cv2.findContours(gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

# Filter large size contours; at the end, there should only be one left

largeCnts = []

for cnt in cnts:

    if (cv2.contourArea(cnt) > 10000):

        largeCnts.append(cnt)

# Draw (filled) contour(s)

gray = np.uint8(np.zeros(gray.shape))

gray = cv2.drawContours(gray, largeCnts, -1, 255, cv2.FILLED)

# Calculate background pixel area

bgArea = input.shape[0] * input.shape[1] - cv2.countNonZero(gray)

# Put result on input image

input = cv2.putText(input, 'Background area: ' + str(bgArea), (20, 30), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1.0, (255, 255, 255))

cv2.imwrite('images/output.png', input)

中间的“面具”图像如下所示：

并且，最终输出如下所示：

Answer 2

由于您对 OpenCV 方法持开放态度，因此您可以使用 SimpleBlobDetector

显然我得到的结果也不完美，因为有很多超参数需要设置。超参数使它非常灵活，因此是一个不错的起点。

这就是 Detector 的作用（请参阅此处的详细信息）：

1. 阈值：通过使用从 minThreshold 开始的阈值对源图像进行阈值处理，将源图像转换为多个二值图像。这些阈值递增thresholdStep直到maxThreshold。所以第一个阈值是minThreshold，第二个是minThreshold + thresholdStep，第三个是minThreshold + 2 x thresholdStep，依此类推。

2. 分组：在每个二值图像中，连接的白色像素被分组在一起。让我们称这些为二进制 blob。

3. 合并：计算二进制图像中二进制 blob 的中心，并且比minDistBetweenBlobs合并位置更近的 blob 。

4. 中心和半径计算：计算并返回新合并的 blob 的中心和半径。

找到图片下方的代码。

# Standard imports

import cv2

import numpy as np

# Read image

im = cv2.imread("petri.png", cv2.IMREAD_COLOR)

# Setup SimpleBlobDetector parameters.

params = cv2.SimpleBlobDetector_Params()

# Change thresholds

params.minThreshold = 0

params.maxThreshold = 255

# Set edge gradient

params.thresholdStep = 5

# Filter by Area.

params.filterByArea = True

params.minArea = 10

# Set up the detector with default parameters.

detector = cv2.SimpleBlobDetector_create(params)

# Detect blobs.

keypoints = detector.detect(im)

# Draw detected blobs as red circles.

# cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS ensures the size of the circle corresponds to the size of blob

im_with_keypoints = cv2.drawKeypoints(im, keypoints, np.array([]), (0, 0, 255),

                                      cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

# Show keypoints

cv2.imshow("Keypoints", im_with_keypoints)

cv2.waitKey(0)