如何消除skimage.measure输出的compare_ssim的SSIM图像差异周围的边缘

Question

我正在尝试编写一个代码来计算显微镜图像上的轨迹所占的面积，如下所示：

​

​

由于轨迹不是均匀的(我的意思是，它们没有独特的灰度，因为它们的边缘较暗，中间较亮)，我不能仅仅通过比较它们的灰度和背景的灰度来做到这一点，因为在轨迹的某些部分是相同的。

因此，我尝试将图像与背景图像进行比较：

​

​

我这样做是为了提取这两个图像之间的差异(对应于轨迹本身)。为此，我使用了skimage中的compare_ssim函数。我使用的代码如下：

from skimage.measure import compare_ssim 
import imutils
import cv2
import numpy as np

# load the two input images
imageA = cv2.imread("./b.jpg")
imageB = cv2.imread("./a.jpg")
# convert the images to grayscale
grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)
    
# compute the Structural Similarity Index (SSIM) between the two
# images, ensuring that the difference image is returned
(score, diff) = compare_ssim(grayA, grayB, full=True)
diff = (diff * 255).astype("uint8")
# show the diff image
cv2.imshow("Diff", diff)

我得到的diff图像如下所示：

​

​

这很好，因为现在轨迹中的灰度与背景的灰度有很好的区分，我可以计算轨迹所占的面积(轨迹中有一些点比较亮，但它们很少，对我的目的来说还可以)。

然而，问题是在diff图像中，不仅轨迹显示为黑色，而且轨迹周围还有一个粗大的边界：

​

​

这个边缘使我的面积估计不正确。所以我想知道如何消除这个边缘，或者至少让它变得更薄。

如果这是不可能的，如果您能展示另一个Python函数来实现我计算轨道占用的面积的目的，这将是非常有帮助的。

Answer 1

总是有一种更好的方法来做同样的事情，但我在这里使用了一种简单的方法，您可以稍后根据需要进行改进或调整：

算法：

Flood首先，适当的填充阈值将只保留edges

• Secondly，形态学(根据阈值方法的不同，膨胀或侵蚀)将使边缘变薄。最后，要去除除痕迹之外的所有内容，可以使用_<_<

>E211>算法，然后计算白色像素以获得您的面积(以像素为单位)。<代码>H212<代码>G213

结果：

在最终结果中：The count of the white of pixels is: 52219

​

​

代码：

#========================
# Import Libraries
#========================
import numpy as np
import matplotlib.pyplot as plt
import cv2
from skimage.morphology import flood_fill

#========================
# Read images
#========================
img = cv2.imread('1.png',0)
bck = cv2.imread('2.png',0)

#========================
# Gaussian Blur
#========================
gauss = cv2.GaussianBlur(img, (5,5), 1)
bck_gauss = cv2.GaussianBlur(bck, (5,5), 1)
#========================
# Thresholding
#========================
_,thresh1 = cv2.threshold(gauss,127,255,cv2.THRESH_BINARY)
_,bck_th = cv2.threshold(bck_gauss,127,255,cv2.THRESH_BINARY_INV)

# Get rid of black borders
thresh1 = thresh1 + bck_th

#========================
# Morphology
#========================
kernel = np.zeros((7,7),np.uint8)
kernel[2,:] = 1
kernel[:,2] = 1
dilation = cv2.dilate(thresh1,kernel,iterations = 1)

#========================
# Flood Fill 
#========================

res = flood_fill(dilation,(1,1), 0)
print("The count of the white of pixels is: ", int(np.sum(res)/np.max(res)))
#========================
# Visualize Results
#========================
plt.figure(num='Blobs')

plt.subplot(221)
plt.imshow(img, cmap='gray')
plt.title('Original')
plt.axis('off')

plt.subplot(222)
plt.imshow(thresh1, cmap='gray')
plt.title('Thresholded')
plt.axis('off')

plt.subplot(223)
plt.imshow(dilation, cmap='gray')
plt.title('Morphology')
plt.axis('off')

plt.subplot(224)
plt.imshow(res, cmap='gray')
plt.title('Final Result')
plt.axis('off')

plt.show()