如何在叶图像中分割感兴趣区域

Question

目的： 我想检测叶片图像的某些区域。我发现了我的相关问题，该问题是在白板上使用图像处理（从白色背景中移除叶子）的分段对象（叶子），但我的问题超出了它，它的目的是提取/分割患病区域的叶子。

问题： 如何准确分割和提取图像中叶片的患病区域。

我的尝试：
1. inRange（）OpenCV函数 -设置绿色阈值，这样我就不会为非绿色区域（棕色，灰色等）设置多个inRange值，并且希望删除绿色；我应用了高斯模糊，在分割之前将其从RGB转换为HSV

链接到 image1，image2输入和结果的文件：image1
： 结果：绿色被分割（认为不是很准确），但是我仍然不知道如何提取非绿色区域（下一步）

图片2： 结果：黑色小圆圈被包含/被认为是绿色，这应该不应该

我是OpenCV（也是C ++）的新手，我已经阅读了几种分割技术（例如，聚类方法Fuzzy-C和k-means等），但是我无法确定要对图像使用哪种分割技术。我还从阅读的文章中了解到，没有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（聚类方法，基于区域的区域，直方图等）或过程最适合于我拥有的各种图像，以便准确地分割所述图像。

非常感谢你。

Answer 1

只需尝试以下步骤

创建蒙版图像：-首先，您需要为叶子创建一个蒙版图像，需要进行阈值处理，找到轮廓（最大），绘制轮廓（填充）等...此外，要去除边缘效果，您还需要腐蚀蒙版，这会带来更好的结果。

下面的代码片段将完成以上操作

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，您应该使用问题中提到的hsv颜色空间，范围等...。

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

以上图像的bitwise_not：-在此应使用上面创建的蒙版。

  bitwise_not(hsv_thr, dst, mask);

绘制患病区域：-在这里再次需要找到轮廓，绘制轮廓等。

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 ); 

您可以通过适当的过滤，使用适当的hsv范围进行阈值处理等来改善结果。此外，上述算法还考虑到背景始终为白色，而对于其他背景，则需要更改创建蒙版图像的步骤。

希望这些对您有帮助...