python - 计算更多的元素，那么它应该是

Question

我正在使用 Python 学习 OpenCV，我想学习如何对图像中的对象/元素进行计数。

我写了一个计数代码，但是我得到了错误的结果。图像中有12个元素，我得到了40个，但还有一些元素没有被计算在内。

我不知道我做错了什么。

这是我的代码:

import cv2

img = cv2.imread('slika.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

print('There are 12 elements on this image')

#cv2.imshow('img', gray)
#cv2.waitKey(0)

ret,thresh = cv2.threshold(gray,127,255,1)
contours,h = cv2.findContours(thresh,1,1)

print('Number of elements found:', len(contours))

for cnt in contours:
    cv2.drawContours(img,[cnt],0,(0,0,255),2)

cv2.imshow('img', img)
cv2.waitKey(0)

这是默认图片，有 12 个元素:

这是结果:

你看到粉色和两个黄色元素没有被识别，但这是绿色元素的问题。

我做错了什么，如何解决？

Answer 1

有几点可以改进您当前的代码。

1. 如果您实际查看您的灰度 图像，您会发现您的127 阈值太低了。黄色和粉色结构的灰度值高于 127，然后被您的 cv2.threshold 忽略。出于同样的原因，绿色结构是支离 splinter 的。而且，一般来说，最好使用实际的枚举值，如 cv2.THRESH_BINARY_INV而不是它们的数值。

2. 为了轮廓检测更好地使用 cv2.RETR_EXTERNAL检索模式，所以你只考虑最外层的轮廓。同样，使用枚举值。

通过这些更改，您的代码可以正常工作:

import cv2

# Read image
img = cv2.imread('DIVmd.jpg')

# Convert image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Show grayscale image
cv2.imshow('gray', gray)

print('There are 12 elements on this image')

# Inverse binary threshold image with threshold at 224,
# i.e. every pixel with value above 224 is set to 0,
# and every pixel with value below 224 is set to 1
_, thresh = cv2.threshold(gray, 224, 255, cv2.THRESH_BINARY_INV)

# Show thresholded image
cv2.imshow('thresh', thresh)

# Find contours
#   cv2.RETR_EXTERNAL:      retrieves only the extreme outer contours
#   cv2.CHAIN_APPROX_NONE:  stores absolutely all the contour points
contours, h = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

print('Number of elements found:', len(contours))

# Iterate all found contours
for cnt in contours:

    # Draw contour in original/final image
    cv2.drawContours(img, [cnt], 0, (0, 0, 255), 2)

# Show final image
cv2.imshow('img', img)
cv2.waitKey(0)

出于可视化目的，这是您的灰色图像:

这是实际的阈值图像thresh:

最后输出img:

当然，打印输出现在也是正确的:

There are 12 elements on this image
Number of elements found: 12

希望对您有所帮助!