otsu算法_如何利用图像处理算法数清桌上的绿豆？

最新推荐文章于 2021-06-01 14:13:51 发布

weixin_39766071

最新推荐文章于 2021-06-01 14:13:51 发布

阅读量395

点赞数

文章标签： otsu算法

7月份的上海，不是梅雨就是艳阳天，今天的气温又直逼35度去了，如此炎热的夏天，来一碗冰凉的绿豆汤，岂不美哉？

Step1 准备原料

我们需要的原料有：

绿豆：30g
冰糖：适量
清水：适量

绿豆30g，我突然发现家里竟然没有秤，本着工科生一如既往的严谨，绝不能随便抓一把就算了。

这有何难？于是经过小编查阅权威资料(百度)，得到了一个绿豆的质量，大约为0.05g，那30/0.05=600，接下来，就是数出600颗绿豆就好了。

Step2 数绿豆

抓一把绿豆，撒在桌上：

桌上的绿豆，动手数一数

一个工科生应有的倔强，手数是不可能用手数的，用什么数呢？让计算机帮我数呀！说干就干，Let's Go!

导入依赖库

import numpy as npimport cv2import matplotlib.pyplot as pltfrom skimage.morphology import watershedfrom skimage.feature import peak_local_maxfrom scipy import ndimageimport decimal

读取图像，显示图片

def read_img(img_path):    '''    读取图片    @param img_path: 图片路径    '''    return cv2.imread(img_path)    def show(img):    '''    显示图片    @param img: cv2图片    '''    plt.imshow(img)    plt.show()# 显示原始图片beans_img = read_img('.cachebeans.jpg')show(beans_img[:, :, :: -1])  # 显示RGB格式

处理图片

- 将图片转换由RGB为HSV格式：

beans_hsv = cv2.cvtColor(beans_img, cv2.COLOR_BGR2HSV)show(beans_hsv)

- 二值化，通过选定的阈值将图像转换为二值图像(0或255)：

h, s, v = cv2.split(beans_hsv)_, thr = cv2.threshold(s, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)show(thr)

- 中值滤波，删除图像中不必要的斑点()：

blur = cv2.medianBlur(thr, 5)show(blur)

数绿豆

- 通过轮廓检测和分水岭算法分别来数绿豆，并取均值来避免误差。

# 轮廓检测c, h = cv2.findContours(blur,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)beans_img2 = beans_img.copy()counts = []for i in c:    area = cv2.contourArea(i)    if area >200 :        counts.append(i)# 分水岭算法beans_img3 = wolfberry_img.copy()D = ndimage.distance_transform_edt(thr)localMax = peak_local_max(D, indices=False, min_distance=40,labels=thr)markers = ndimage.label(localMax, structure=np.ones((3, 3)))[0]labels = watershed(-D, markers, mask=thr)ws = len(np.unique(labels)) -1# 计算均值ans = decimal.Decimal((len(counts) + ws)/2)print("print("number of lemon segments detected = ", ans)show(copy2)= ", ans)show(copy2)

print输出：绿豆数量 = 56