当前位置: 首页 > news >正文

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:

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。

http://www.lryc.cn/news/452101.html

相关文章:

  • 分布式理论:拜占庭将军问题
  • 从零开始Ubuntu24.04上Docker构建自动化部署(三)Docker安装Nginx
  • 阿里云 SAE Web:百毫秒高弹性的实时事件中心的架构和挑战
  • 人口普查管理系统基于VUE+SpringBoot+Spring+SpringMVC+MyBatis开发设计与实现
  • 使用VBA快速将文本转换为Word表格
  • 力扣题解1870
  • D3.js数据可视化基础——基于Notepad++、IDEA前端开发
  • 在Robot Framework中Run Keyword If的用法
  • 虚拟机ip突然看不了了
  • LeetCode[中等] 763. 划分字母区间
  • Java LeetCode每日一题
  • 数据结构--集合框架
  • Win10鼠标总是频繁自动失去焦点-非常有效-重启之后立竿见影
  • 智能涌现|迎接智能时代,算力产业重构未来
  • 关于HTML 案例_个人简历展示01
  • 【前端开发入门】css快速入门
  • java中创建不可变集合
  • D25【 python 接口自动化学习】- python 基础之判断与循环
  • HTTP1.0和HTTP1.1有什么区别
  • 卡夫卡的理解
  • 基础算法之滑动窗口--Java实现(上)--LeetCode题解:长度最小的子数组-无重复字符的子串-最大连续1的个数III-将x减到0的最小操作数
  • Linux -- 文件系统(文件在磁盘中的存储)
  • 微服务(Microservices),服务网格(Service Mesh)以及无服务器运算Serverless简单介绍
  • 【AIGC】AI时代的数据安全:使用ChatGPT时的自查要点
  • 什么是区块链桥?
  • 机器学习框架
  • 金三银四:20道前端手写面试题
  • RAC被修改权限及相关问题
  • Golang | Leetcode Golang题解之第441题排列硬币
  • 数学建模--什么是数学建模?数学建模应该怎么准备?