使用 OpenCV 计数细胞

Question

我愿意相信我已经能够计算细胞数了，但我也知道我错过了一些东西。

我有这张图

image = cv2.imread('/cells.png', 
                cv2.IMREAD_GRAYSCALE)
image = cv2.resize(image, (1000, 600)) 

th, threshedImg = cv2.threshold(image, 30, 255,cv2.THRESH_TOZERO_INV)
img_blur = cv2.GaussianBlur(threshedImg, (3,3), 0) 
sobelxy = cv2.Sobel(src=img_blur, 
                    ddepth=cv2.CV_64F, 
                    dx=1, dy=1, ksize=5)
edges = cv2.Canny(image=img_blur, 
                  threshold1=20, 
                  threshold2=65)

cv2.imshow('thresh', threshedImg)
cv2.imshow('Canny Edge Detection', edges)
cv2.waitKey(0)

边缘输出：

阈值输出：

据我所知，阈值图像很好地捕获了细胞，并且 Canny 在获取边缘方面做得非常好。我尝试过使用轮廓，但无法产生任何好的结果。

任何有关如何改进的帮助或想法将不胜感激。谢谢！

Answer 1

我数了一下，有 286 个斑点。这取决于一些可调整的因素，因为一些可以单独计数的斑点实际上非常接近。

方法：

• 您的输入在右下角有一些灰色背景。为了补偿，我使用较大的中值模糊（内核大小约为 100）来估计背景，然后减去该值（饱和数学）。

• 接下来，我对整个事物进行模糊处理，以充分抑制噪声，使每个斑点都平滑（只有一个局部最大值，没有驼峰或更糟）

• 然后我使用

  image == cv.dilate(image, iterations=15)

  来计算 局部极值的掩码。

• 然后我将其与 peaks 的掩模结合起来，这就是

  image > threshold

  。

• 我

  &

  （和）两个面具在一起。

• 形态学关闭/扩张操作，用于合并由于数字而出现的一些峰值（任何平滑度不够平滑以至于扩张和等式只能看到一个峰值的情况）

• 然后我使用

  connectedComponentsWithStats

  找到所有这些斑点及其质心。

我对其他方法的看法：

• 精明，完全没有任何意义。会让你陷入更糟糕的境地。
• 颜色空间转换...毫无意义，因为您的输入基本上是单色的，我也这样对待它。