如何解决为什么 len(measure.regionprops(imgl)) 给了我错误数量的对象?
我使用这个函数来计算分割图像中的对象(我加载了我的预训练权重以进行预测)
import pandas as pd
import skimage.io
import skimage.segmentation
def process_images(img):
img1=img
test_img1 = np.expand_dims(img1,axis=0)
prediction = model.predict(test_img1)
prediction_img=np.argmax(prediction,axis=3)[0,:,:]
pred=prediction_img
for i in range(0,512):
for j in range(0,512):
if pred[i,j]==1:
pred[i,j]=0
elif pred[i,j]==2:
pred[i,j]=255
imgwater=np.stack((pred,)*3,axis=-1)
kernel = np.ones((3,3),np.uint8)
predd=np.uint8(pred)
predd=skimage.morphology.remove_small_objects(predd,min_size=25)
predd=skimage.morphology.remove_small_holes(predd,area_threshold=50)
annot = skimage.morphology.label(predd,connectivity=2)
annot=color.label2rgb(annot,bg_label=0)
imgl=measure.label(predd,background=0,connectivity=2)
propsa = measure.regionprops(imgl)
a = len(propsa)
return img,prediction_img,annot,pred,a
k=4
imgo=image_dataset[k]
test_img = X[k]
img,a=process_images(test_img)
print(a)
plt.figure(figsize=(16,8),dpi=90)
plt.subplot(231)
plt.title('Orginal Image')
plt.imshow(imgo,cmap='gray')
plt.subplot(232)
plt.title('Predicted image')
plt.imshow(prediction_img,cmap='jet')
plt.subplot(233)
plt.title('Predicted thresholded')
plt.imshow(pred,cmap='gray')
plt.subplot(234)
plt.title('result')
plt.show()
我用我的第一个数据集尝试了这个函数,它正确计算了图像中的单元格。但是当我尝试其他图像时, len(measure.regionprops(imgl)) 给了我一个完全错误的计数(它有时会增加 8) 这是一个例子,len(propsa) 给了我 130,而当我计算结果图像中的单元格时,我发现了 125。 example 我真的不明白问题出在哪里,该函数从未在第一个数据集的结果图像中给我错误的计数(返回值始终等于结果图像中手动计数的单元格)但第二个中的图像数据集总是增加 1 或 2 甚至 8 并且我不是在谈论预测,我只是在谈论结果图像。即使图像中有嘈杂的像素,我相信我已经摆脱了它们:
predd=skimage.morphology.remove_small_objects(predd,min_size=25)
请帮帮我,我要拔头发了。如果您需要任何其他信息,请随时发表评论。提前致谢
解决方法
remove_small_objects 需要一个带标签的图像,输入: imgl=skimage.morphology.remove_small_objects(imgl,min_size=12) 在下面 imgl=measure.label(predd,background=0,connectivity=2) 解决了问题。
def process_images(img):
img1=img
test_img1 = np.expand_dims(img1,axis=0)
prediction = model.predict(test_img1)
prediction_img=np.argmax(prediction,axis=3)[0,:,:]
#print(np.unique(prediction_img))
#prediction = (model.predict(test_img1)[0]> 0.5).astype(np.uint8)
pred=prediction_img
for i in range(0,512):
for j in range(0,512):
if pred[i,j]==1:
pred[i,j]=0
elif pred[i,j]==2:
pred[i,j]=255
imgwater=np.stack((pred,)*3,axis=-1)
kernel = np.ones((3,3),np.uint8)
#no need for morphology because il will eliminate the tiny cells
predd=np.uint8(pred)
predd=skimage.morphology.remove_small_holes(predd,area_threshold=100)
imgl=measure.label(predd,connectivity=2)
imgl=skimage.morphology.remove_small_objects(imgl,min_size=12)
annot2=color.label2rgb(imgl,bg_label=0)
propsa = measure.regionprops(imgl)
#print(propsa)
a = len(propsa)
return img,prediction_img,annot2,pred,a
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。