有没有办法检测和量化图像中物体的缺失区域？

Question

我正在尝试使用 R 计算叶子损坏的百分比。我能够使用 pliman 包进行图像分割和面积计算，遵循小插曲：https://cran.r-project.org/web /packages/pliman/vignettes/pliman_start.html

我正在使用以下 R 代码。我放了一个1cm的正方形作为参考比例。可以在此处下载示例分割图像：

#...........................Load image...........................
library(pliman)

img_segm <- pliman::image_import("C:/Users/sando/Desktop/test/imgseg/imgseg.jpg")

#.........................Analize leaves.........................
layout(t(1:2))
meas <-  analyze_objects(img_segm, index = "BIM", marker = "id", invert= F,show_image=T, parallel=T, watershed= T, fill_hull= F, 
                         tolerance = 30, object_size = "large")
# Measures area in pixels
area1 <-  get_measures(meas)[,c(1,4)]
area1
# Correct the measures using an object in cm
real.area <- get_measures(meas, id = 1, area ~ 1)[,c(1,4)]
real.area

#........................Analize contour.........................
# Draw a convex hull around the objects.
cont_meas <- analyze_objects(img_segm,
                             watershed = T,
                             marker = "id",
                             show_chull = TRUE,index = "BIM", invert= F,show_image=T, parallel=T, fill_hull= F, tolerance = 30, object_size = "large") # shows the convex hull

# Measures area 
real.area2 <- get_measures(cont_meas, id = 1, area ~ 1 )[,c(1,4)]

但是我获取不到损坏的区域，而且我不能使用颜色分割，因为背景是白色的。我愿意：

• 分别识别每片叶子
• 使用某种形式的凸包检测或 ROI 来预测或选择缺失的叶子边缘。
• 计算损坏面积（红色）和总面积（叶子 + 红色）。

我知道可以进行一些二进制转换。所以我尝试了以下代码：

#### detect contours in red
library(imager)
img_segm2 <- imager::as.cimg(img_segm)
plot(img_segm2)

# isoblur, greyscale
img_segm3 <- isoblur(grayscale(img_segm2),2) > .60
plot(img_segm3)

px <- img_segm3 > 0.1
ct <- imager::contours(px,nlevels=3)

plot(px)
#Add contour lines
purrr::walk(ct,function(v) lines(v$x,v$y,col="red",lwd=1.5))

有什么方法可以让我以半自动的方式获得这个吗？ 我知道它可以在 ImageJ 和一些软件（如 leafbyte 或 bioleaf）中完成，但我希望能够在 R 或 Python 中分析这些图像。谢谢你的时间。