相关疑难解决方法(0)

我试图用Pythony从微观样本中计算一种疾病的孢子数量,但到目前为止还没有取得多大成功.

因为孢子的颜色与背景相似,而且许多都很接近.

按照样品的照相显微镜检查.

图像处理代码:

import numpy as np
import argparse
import imutils
import cv2

ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
                help="path to the input image")
ap.add_argument("-o", "--output", required=True,
                help="path to the output image")
args = vars(ap.parse_args())

counter = {}

image_orig = cv2.imread(args["image"])
height_orig, width_orig = image_orig.shape[:2]

image_contours = image_orig.copy()

colors = ['Yellow']
for color in colors:

    image_to_process = image_orig.copy()

    counter[color] = 0

    if color == 'Yellow':
        lower = np.array([70, 150, 140])  #rgb(151, 143, 80)
        upper = np.array([110, 240, 210])  #rgb(212, …

我需要知道如何在Matlab中对齐图像以进行进一步的工作.

例如,我有下一个车牌图像,我想识别所有数字.

我的程序适用于直接图像,因此,我需要对齐图像,然后预先形成光学识别系统.

该方法应该适用于所有类型的板和各种角度的通用方法.

编辑:我试图用霍夫变换做这个,但我没有成功.有谁可以帮我做到这一点？

任何帮助将不胜感激.

我是图像分析的新手.你知道如何以这种方式将这种图像二值化以获得光纤吗？

我尝试了不同的门限技术等,但我没有成功.我不介意我应该使用什么工具,但我更喜欢.NET或Matlab.

PS:我不知道在哪里提出答案,所以我把它放在StackOverflow上.

我需要知道如何使用Matlab清除图像中的噪声.

让我们看一下这个例子:

如你所见,数字看起来不太清楚.

那么如何清除噪音和非数字的像素,以便识别更容易.

谢谢.