我有一個影像處理問題，我正在努力找出影像的解決方案。這是影像。基本上它是在python中使用scikit影像的分割和計數問題。基本上，我必須撰寫一個偽代碼，說明我將如何計算我擁有的源影像中的這些“矩形”物件。矩形被不同形狀和大小的其他不同物件包圍。最近我做了一個類似的初學者問題來計算影像中的硬幣數量。這個要容易得多，因為所有物件都具有相同的性質。
你們中的任何人都可以幫助我了解如何計算剪刀的數量，將它們與影像中的所有其他物件分開。到目前為止，我的思考程序是
- 讀入影像
- 轉換為灰度
- 繪制直方圖
- 從這個閾值首選使用 otsu
- 使用 skimage clear_border 洗掉所有不需要的物件
然而，與簡單且幾乎相同的硬幣不同，我不知道如何隔離矩形物件。skimage 中是否有任何高級分段技術可用于此目的。就像我在考慮 blob 一樣，但我認為這在這里行不通。如果有人可以提供任何見解，請告訴我，我將不勝感激
uj5u.com熱心網友回復：
這取決于您需要解決方案的通用性。在您顯示的影像中，剪刀是唯一有兩個孔的物體。我們可以使用skimage.measure.regionprops屬性euler_number，在檔案中描述為：
非零像素集的歐拉特征。計算為連接組件的數量減去孔的數量（input.ndim 連接）。在 3D 中，連接組件的數量加上孔的數量減去隧道的數量。
所以，對于剪刀，這將是 1-2 = -1，而對于物體物體，它是 1，對于有 1 個孔的物體，它是 1-1 = 0。所以你可以說：
from skimage import measure
objects = measure.label(borders_cleared)
props_list = measure.regionprops(objects)
num_scissors = 0
for props in props_list: # one RegionProps object per region
if props.euler_number == -1:
num_scissors = 1
當分割本身很容易時，如您所展示的影像，那么我的策略將始終是找到一個屬性或屬性組合regionprops，使我能夠將我感興趣的物件與其他物件區分開來。這可能是尺寸、伸長率、圓度……使用extra_properties=關鍵字引數，您甚至可以計算由您可以想象的任何函式定義的其他屬性。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/313529.html