подсчёт клеток крови

[mrgloom 242]

В продолжение темы, задача примерно та же самая только доп. условие, что объекты у нас имеют круглую форму.

Используя матлаб

CircularHough_Grd(red, [3 35],20, 15, 1);

Используя cv2.HoughCircles

import cv, cv2

import numpy as np


im = cv2.imread("C:/1.jpg")


grey = cv2.cvtColor(im, cv.CV_RGB2GRAY)

blur= grey

#blur = cv2.GaussianBlur(grey, (0,0), 10)

circles = cv2.HoughCircles(blur, cv2.cv.CV_HOUGH_GRADIENT, 1, 16, np.array([]), 15, 36, 9, 35)#params?

if circles is not None:

        for c in circles[0]:

                cv2.circle(im, (c[0],c[1]), c[2], (0,255,0),2)

edges = cv2.Canny( blur, 40, 80 )


cv2.imwrite("C:/circle.jpg",im)

cv2.imwrite("C:/canny.jpg",edges)

Используя ImageJ watershed, предобработка CLAHE, adaptive threshold, fill holes.

в итоге результаты далеки от идеала, надо либо еще дополнительно подбирать параметры, хотя не особо понятно по каким признакам, либо сделать несколько проходов одним и тем же алгоритмом, но с разными параметрами, но как потом сливать результаты не очень понятно.

еще есть это, но у меня сразу не заработало

https://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_imgproc/py_watershed/py_watershed.html

[Smorodov 579]

Можно попробовать еще по бликам выделять, достаточно давно где-то видел подобную идею.

Наверное на них хорошо должны surf/sift срабатывать.

[Nuzhny 243]

Согласен с бликами, попробуй посмотреть на результат после увеличения контраста (CLAHE), а после применить Top hat и Black hat. Дальше действовать по результату (бинаризация и т.п.): должны получиться вложенные объекты, которые и выделять.

Если клетки выделяются уверенно (без ложных положительных срабатываний), то можно ещё работать итеративно: выделил, закрасил фоном, применил дополнительный фильтр к результату, чтобы приблизить изображение к идеальному, но при этом не испортить обнаружение тех объектов, которые и так хорошо детектируются. Слипшиеся остатки делить вообще по третьему алгоритму. На практике как правило наилучший результат как раз и дают такие комбайны, а не одна мат модель, так как можно охватить большее количество граничных условий.

[Smorodov 579]

Еще одна технология вспомнилась, использовал как то в детекторе глаз, погуглите статью: "Accurate Eye Center Location and Tracking Using Isophote Curvature.pdf".

[mrgloom 242]

еще нашел с обучением для более общего случая

http://www.robots.ox.ac.uk/~vgg/software/cell_detection/