识别图像中红色粒子占据的像素

Question

我有一些塑料颗粒和水波实验的图像。目标是自动识别塑料颗粒。它们有时会重叠，我不需要找到单个粒子，找到那些包含塑料的像素就足够了。

由于粒子是红色的，而背景大多是白色或黑色，我想我可以进行简单的阈值处理，如果

R > 5*B

和

R > 0.25

，则像素是塑料，其中

R

和

B

是塑料红色和蓝色通道。然而，不同实验之间的曝光差异很大，有时在实验中，当部分表面被水覆盖时，所以我的方法效果不是很一致，有时会错误地识别侧面的黑色裂缝。

我想知道还有什么其他选择。我对神经网络的经验有限，所以我不确定这是否可行（需要付出合理的努力）。特别是，我认为形状不会有太大帮助，因为粒子靠近在一起并且部分重叠，它们之间的对比度很差，但也许颜色就足够了？

示例图像：

Answer 1

如果您转换为 Lab 色彩空间，请使用

ImageMagick 将 3 个通道分开并在页面上并排放置，其中 

L

 位于左侧，

a

 位于中间，

b 位于右侧：

magick image.png -alpha off -colorspace lab -separate +append lab.png

您可以在中心 (

a

) 通道中看到您的塑料与图像左侧的裂纹有很好的区别。这表明

a

通道的 OTSU 阈值将能够很好地区分您所寻求的内容。

使用 OpenCV，可能看起来像这样：

import cv2 as cv

# Load image
im = cv.imread('image.png')

# Convert to Lab colourspace and take "a" channel
Lab = cv.cvtColor(im,cv.COLOR_BGR2LAB)
a = Lab[..., 1]

# discriminate plastics using "a" channel
plastics = cv.threshold(a, 0, 255, cv.THRESH_OTSU+cv.THRESH_BINARY)[1]

大津阈值对于您的第三张图像来说效果不太好，因为左侧的“裂缝”比塑料多，因此您需要针对这种情况使用不同的阈值。