在图像中寻找凹坑

Question

我的一位朋友正在从事以下项目：

下面是不锈钢表面的微观(SEM)图像。

​

​

但你可以看到，它被腐蚀了一点点(长期暴露在海洋环境中)，一些坑在表面形成。有些坑是红色圆圈标记的。

他需要在图像中找到凹坑的数目，并且他正在手工计算(想象一下，有将近150张图像)。所以我想用任何图像处理工具来实现这个过程的自动化。

问题： 我怎样才能在这张图片中找到凹坑的数目？

我尝试了什么：

作为第一步，我通过关闭操作稍微改进了对比。

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('6.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11))

close = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)

close2 = cv2.add(close,1)
div = (np.float32(gray)+1)/(close2)
div2 = cv2.normalize(div,None, 0,255, cv2.NORM_MINMAX)
div3 = np.uint8(div2)

结果：

​

​

然后，我为127应用了一些阈值，并在其中找到了轮廓。后来，这些等高线是根据它们的面积进行过滤的(没有关于这个区域的具体信息，我取了1-10的范围作为经验值)。

ret, thresh = cv2.threshold(div3, 127,255, cv2.THRESH_BINARY_INV)
temp, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

res = np.zeros(gray.shape,np.uint8)

for cnt in contours:
    if 1.0 < cv2.contourArea(cnt) < 10.0:
        res = cv2.drawContours(res, [cnt], 0, 255, -1)

plt.subplot(121); plt.imshow(img, 'gray'); plt.subplot(122); plt.imshow(res,'gray'); plt.show() 

但最后却产生了很多额外的噪音。见以下结果：

​

​

附加信息：

一些测试图像：

​

​

Answer 1

你的案例让我想起了一篇论文(基于移动平台的人体检测及视觉显着性机制的新特征)，它基于中心神经节细胞的概念计算图像的显着性，即一种检测被黑暗区域(或相反称为非中心细胞)包围的明亮像素的方法。

​

​

若要近似这些单元格，可以使用矩形区域。通过使用积分图像，可以加快程序的速度。查看这份文件以了解细节。

还有一个想法是混合滤波器的卷积。找到一个非常接近每个凹坑的模板，并将模板与图像相关联(或者使用多个过滤器进行缩放/表单变化)。