c++ - 如何分割叶图像中的感兴趣区域

Question

目标:我想检测叶子图像的某些区域。我发现了我的相关问题，接近这个segment object(leaf) which is on the white paper using image processing (从白色背景中去除叶子)但我的超出了它，它旨在提取/分割叶子的患病区域。

问题:如何准确分割提取图像中叶片的病害区域。

我的尝试:
1. inRange() OpenCV 函数 - 绿色阈值，这样我就不会为非绿色区域(棕色、灰色等)设置多个 inRange 值，我希望能移除绿色；我应用了高斯模糊，在分割之前从 RGB 转换为 HSV

image1、image2 输入和结果的

文件链接:
图片 1:结果: 绿色被分割了(感觉不太准确)，但我仍然不知道如何提取非绿色区域(作为下一步)

图 2:结果:黑色的小圆圈被包含/被认为是绿色的，据说不应该

我是 OpenCV(以及 C++)的新手，我已经阅读了几种用于分割的技术(如聚类方法 fuzzy-c 和 k-means 等)，但我无法决定对我的图像使用哪种分割技术。我还从阅读的文章中了解到，不存在可以应用于所有图像的通用分割技术。

因此，我想知道哪种技术(聚类方法？基于区域的？直方图？等)或过程最适合应用于我拥有的图像种类，以便准确地分割所述图像。

非常感谢。

Answer 1

只需尝试以下步骤

创建 mask 图像:-首先您需要为叶子创建 mask 图像，您需要进行阈值处理、找到轮廓(最大)、绘制轮廓(填充)等...还有为了消除边缘效应，您需要腐 eclipse 掩模，这会产生更好的效果。

下面的代码片段将执行上述操作

Mat thr;
Mat src=imread("image2.png",1); //Your processed  image
cvtColor(src,thr,CV_BGR2GRAY);
threshold(thr,thr,180,255,THRESH_BINARY_INV);

vector< vector <Point> > contours; // Vector for storing contour
vector< Vec4i > hierarchy;
int largest_contour_index=0;
int largest_area=0;
Mat mask(src.rows,src.cols,CV_8UC1,Scalar::all(0)); //create destination image
findContours( thr.clone(), contours, hierarchy,CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE ); // Find the contours in the image
 for( int i = 0; i< contours.size(); i++ ) // iterate through each contour.
  {
   double a=contourArea( contours[i],false);  //  Find the area of contour
   if(a>largest_area){
   largest_area=a;
   largest_contour_index=i;                //Store the index of largest contour
   }
  }
 drawContours( mask,contours, largest_contour_index, Scalar(255,255,255),CV_FILLED, 8, hierarchy ); // Draw the largest contour using previously stored index.
 int dilation_size = 2;
 Mat element = getStructuringElement( MORPH_RECT,
                                      Size( 2*dilation_size + 1, 2*dilation_size+1 ),
                                      Point( dilation_size, dilation_size ) );
 erode( mask, mask, element );

Extract green region:- 在这里你应该使用 hsv 颜色空间，inrange 等...正如你的问题中提到的。

Mat HSV,hsv_thr,dst;
cvtColor(src,HSV,CV_BGR2HSV);
inRange(HSV,Scalar(20,10,10),Scalar(90,255,255),hsv_thr);

bitwise_not for above image:-这里你应该使用上面创建的掩码。

  bitwise_not(hsv_thr, dst, mask);

绘制病变区域:-这里您需要再次找到轮廓绘制轮廓等...

findContours( dst.clone(), contours, hierarchy,CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE ); // Find the contours in the image
     for( int i = 0; i< contours.size(); i++ ) // iterate through each contour.
      drawContours( src,contours, i, Scalar(0,0,255),1, 8, hierarchy ); 

您可以通过适当的过滤、阈值化、使用适当的 hsv 范围等来改善结果...此外，上述算法认为您的背景始终为白色，对于其他背景，您需要更改创建蒙版图像的步骤。

希望这些有用...