如何解决用自适应阈值分析粒子?
我对 OpenCV 完全陌生,正在尝试分析生物图像。但是,我有一个问题来量化您可以在这些图片上看到的“点”:
1.) 这是一张图片,您可以清楚地看到红色背景上的红点。
2.) 在这张图片上,由于强烈的背景信号,识别点变得非常困难:
3.) 然而,它们是一张大显微镜图像的一部分:
我正在尝试编写一个程序来量化每个粒子并编写以下 OpenCV 脚本:
import cv2
import numpy as np
img = cv2.imread('image.png')
mask = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
th = 35
mask[mask<th] = 0
mask[mask>0] = 255
mask = np.stack([mask,mask,mask],axis=2)
result = np.hstack((img,mask))
cv2.namedWindow("peaks",cv2.WINDOW_norMAL)
cv2.imshow("peaks",result)
cv2.waitKey(0)
cv2.destroyAllWindows()
然而,这只适用于没有强烈噪音背景的图像:
但不是一个有强大背景的人:
这很令人沮丧,因为背景噪音导致成像非常糟糕 - 但是有没有办法分析粒子?我听说过自适应阈值。它对这个问题有效吗?我很乐意提供任何帮助!!
亲切的问候, 柱间
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。