如何分割叶子图像中感兴趣的区域

Question

目的：I要检测叶子图像的某些区域。我已经发现了与我相关的问题，接近它的是这个segment object(leaf) which is on the white paper using image processing (从白色背景中移除叶子)，但我的问题超出了它的范围，它的目的是提取/分割叶的病区。

问题：如何准确地分割和提取图像中的叶病区域。

我的尝试：

1. inRange() OpenCV函数-Threshold绿色，这样我就不会为非绿色区域(棕色、灰色等)生成几个inRange值，并且我将满怀希望地去除绿色；在分割之前，我使用了高斯模糊，从RGB到HSV。

链接到文件 of image1，image2输入和结果：

Image1: 结果： Green被分割(认为不太准确)，但我仍然不知道如何提取非绿色区域(作为下一步)。

Image2: 结果：暗小圆圈被包括/被认为是绿色的，应该是不应该的

我是OpenCV(也是C++)的新手，我读过几种用于分割的技术(比如聚类方法、模糊-c和k-均值等)，但我无法决定对我的图像使用哪种分割技术。我还从我读到的文章中了解到，没有一种通用的分割技术可以应用于所有图像。

因此，我想知道哪种技术(聚类法)？以区域为基础？直方图?等)或处理是最好的申请类型的图像，我有，以准确地分割所述图像。

非常感谢。

Answer 1

只需尝试以下步骤

创建面具图像：-首先您需要为叶子创建一个面具图像，您需要进行阈值处理，找到轮廓(最大)，绘制轮廓(与填充) etc...also，以消除您需要的边缘效果，以侵蚀您的面具，这将带来更好的效果。

​

​

​

​

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 );

提取绿色区域：-在这里您应该使用hsv颜色空间，inrange等。正如你在问题中提到的。

​

​

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

上面的图片是bitwise_not：-，您应该使用上面创建的掩码。

​

​

  bitwise_not(hsv_thr, dst, mask);

绘制病区：-这里，您需要做的是找到等高线，绘制等高线等。

​

​

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 ); 

通过适当的滤波、阈值处理、适当的hsv范围等措施，可以提高检测效果。另外，上面的算法考虑到背景总是白色的，而对于其他背景，则需要更改创建掩码图像的步骤。

希望这些有用的..。