OPENCV判断图像中目标物位置及多目标物聚类

文章目录

在最近的项目中,又碰到一个有意思的问题需要通过图像算法来解决。就是显微拍摄的到的医疗图像中,有时候目标物比较偏,也就是在图像的比较偏的位置,需要通过移动样本,将目标物置于视野正中央,然后再次进行拍摄。

就类似于下面的图像:

基于这个需求,在图像上就需要使用图像算法进行判断(没有必要使用深度网络的时候就不要用,太浪费资源了)。

对于上面的图像,基本的处理逻辑是:

  1. 因为目标物是细胞,也就是图中的一个一个的圈圈,需求就是要让尽可能多的细胞位于图像正中央。
  2. 目标物的粘连比较少,所以基于阈值分割的基本逻辑应该是可以将所需要的目标物提取出来(这一块在python的opencv操作记录11------阈值分割这一篇已经讲过了)。
  3. 分割完之后再通过opencv提取轮廓的方法将轮廓提取出来。
  4. 提取完轮廓之后,对每个轮廓求外接矩形。
  5. 利用业务特性对相应的轮廓做一些过滤操作。
  6. 将多个矩形做一个聚类,这里可以有多种聚类方案,可以先聚类再筛选,也可以根据某个逻辑确定一个质心,然后再根据这个质心再做聚类。
  7. 然后就是调参工作了。

我自己的代码为:

复制代码
int getCenter(cv::Mat img, cv::Rect& resultRect)
{
	cv::cvtColor(img, img, cv::COLOR_RGB2GRAY);

    // 阈值分割
	cv::threshold(img, img, 50, 255, cv::THRESH_BINARY);

    // 提取轮廓
	std::vector<cv::Mat> contours;
	cv::findContours(img, contours, cv::RETR_LIST, cv::CHAIN_APPROX_NONE);

	// 逐步聚类的方法
	std::vector<float> xs, ys;

    // 初始化质心
	float centroid_x = 0.0f, centroid_y = 0.0f;

	// 找到第一个质心,我这里是使用面积最大的作为第一个质心,代码没有贴上来
	int maxIndex = 0;
	float maxSocre = 0.0f;

	// 迭代计算质心
	for (int i = 0; i < contours.size(); i++)
	{
		score = cv::contourArea(contours[i]);

        // 判断是一个有效区域
		if (score > threshold_score)
		{
			cv::Rect rect = cv::boundingRect(contours[i]);

			// 判断是否离中心比较远, 第一次不做判断
			if (abs(rect.x + (rect.width / 2) - centroid_x) > centroidThresholdX)
			{
				continue;
			}

			if (abs(rect.y + (rect.height / 2) - centroid_y) > centroidThresholdY)
			{
				continue;
			}

            // 纳入下一次的质心计算
			xs.push_back(rect.x + rect.width / 2);
			ys.push_back(rect.y + rect.height / 2);

			float tempCenterX = 0.0f;
			for (int x = 0; x < xs.size(); x++)
			{
				tempCenterX += xs[x];
			}
			centroid_x = tempCenterX / xs.size();

			float tempCenterY = 0.0f;
			for (int y = 0; y < ys.size(); y++)
			{
				tempCenterY += ys[y];
			}
			centroid_y = tempCenterY / ys.size();
		}
	}
    
    for(int z = 0; z < xs.size(); z++)
    { 
        if (xs[z] < minX)
        {
            minX = xs[z];
        }
        if (xs[z] > maxX)
        {
            maxX = xs[z];
        }
        if (ys[z] < minY)
        {
            minY = ys[z];
        }
        if (ys[z] > maxY)
        {
            maxY = ys[z];
        }
    }

    std::cout << "maxX:" << maxX << "minX:" << minX << "maxY:" << maxY << "minY:" << minY << std::endl;

    resultRect.x = minX;
    resultRect.y = minY;
    resultRect.width = maxX - minX;
    resultRect.height = maxY - minY;

	return 0;
}

最后的结果是:

调整的距离就是这个矩形的中央到整个图像的中央坐标了。

相关推荐
豆豆19 分钟前
day32 学习笔记
图像处理·笔记·opencv·学习·计算机视觉
白熊18839 分钟前
【计算机视觉】CV实战项目 - 基于YOLOv5的人脸检测与关键点定位系统深度解析
人工智能·yolo·计算机视觉
nenchoumi311941 分钟前
VLA 论文精读(十六)FP3: A 3D Foundation Policy for Robotic Manipulation
论文阅读·人工智能·笔记·学习·vln
后端小肥肠1 小时前
文案号搞钱潜规则:日入四位数的Coze工作流我跑通了
人工智能·coze
LCHub低代码社区1 小时前
钧瓷产业原始创新的许昌共识:技术破壁·产业再造·生态重构(一)
大数据·人工智能·维格云·ai智能体·ai自动化·大禹智库·钧瓷码
-曾牛1 小时前
Spring AI 快速入门:从环境搭建到核心组件集成
java·人工智能·spring·ai·大模型·spring ai·开发环境搭建
阿川20151 小时前
云智融合普惠大模型AI,政务服务重构数智化路径
人工智能·华为云·政务·deepseek
自由鬼1 小时前
开源AI开发工具:OpenAI Codex CLI
人工智能·ai·开源·软件构建·开源软件·个人开发
生信碱移2 小时前
大语言模型时代,单细胞注释也需要集思广益(mLLMCelltype)
人工智能·经验分享·深度学习·语言模型·自然语言处理·数据挖掘·数据可视化
一个数据大开发2 小时前
解读《数据资产质量评估实施规则》:企业数据资产认证落地的关键指南
大数据·数据库·人工智能