石子计数-二值化，膨胀，腐蚀，连通域

获取图片

import cv2
import numpy as np

image = cv2.imread("2.png")

from PIL import Image
img_cv_bgr = Image.fromarray(image)
img_cv_bgr

转化成灰度图片

image2 = cv2.medianBlur(image, 1)
gray = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

img_cv_bgr = Image.fromarray(gray)
img_cv_bgr

边界提取

边界核定义

kernel = np.array([
  [1, 2.2, 1],
  [0, 0, 0],
  [-1, -2.8, -1]
])

rgb = cv2.cvtColor(image2, cv2.COLOR_BGR2RGB)
resulting_image = cv2.filter2D(rgb, -1, kernel)

img_cv_bgr = Image.fromarray(resulting_image)
img_cv_bgr

二值化

gray = cv2.cvtColor(resulting_image, cv2.COLOR_RGB2GRAY)
#显示值大于100的区域
ret, th = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)

img_cv_bgr = Image.fromarray(th)
img_cv_bgr

膨胀操作

膨胀大小为2x2

kernel2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2, 2))
th_close = cv2.dilate(th, kernel2, iterations=2)

img_cv_bgr = Image.fromarray(th_close)
img_cv_bgr

腐蚀操作

腐蚀操作，减少连通区域

kernel2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2, 2))
th_close = cv2.erode(th, kernel2, iterations=1)

img_cv_bgr = Image.fromarray(th_close)
img_cv_bgr

连通域分析

该函数输入为一个二值化图像，输出为一个长为4的tuple:

1. 第一个是连通区域的个数，
2. 第二个是一整张图的label，
3. 第三个是(x, y, width, height, area)，即每个区域的每个区域的左上角坐标,宽和高，面积
4. 第四个是每个连通区域的中心点

num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(th_close, connectivity=4)

石子数量

num_labels

66