小编Ash*_*all的帖子

作为我正在研究的项目的一部分,我需要使用OpenCV和Python在图像中找到一些"blob"的中心点.我遇到了一些麻烦,真的很感激任何帮助或见解:)

我目前的方法是:获取图像的轮廓,在那些上叠加椭圆,使用斑点检测器找到每个图像的中心.这种效果相当不错,但偶尔我还需要忽略无关的斑点,有时斑点会相互碰触.

以下是一个很好的例子: 良好的源图像: 提取轮廓后: 检测到斑点:

当它变得很糟糕时(你可以看到它错误地将椭圆覆盖在三个blob上,并检测到一个我不想要的): 错误的源图像: 提取轮廓后: 检测到斑点:

这是我目前使用的代码.我不确定任何其他选择.

def process_and_detect(img_path):
    img = cv2.imread(path)
    imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    ret, thresh = cv2.threshold(imgray, 50, 150, 0)
    im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    drawn_img = np.zeros(img.shape, np.uint8)
    min_area = 50
    min_ellipses = []
    for cnt in contours:
        if cv2.contourArea(cnt) >= min_area:
            ellipse = cv2.fitEllipse(cnt)
            cv2.ellipse(drawn_img,ellipse,(0,255,0),-1)
    plot_img(drawn_img, size=12)

    # Change thresholds
    params = cv2.SimpleBlobDetector_Params()
    params.filterByColor = True
    params.blobColor = 255
    params.filterByCircularity = True
    params.minCircularity = 0.75
    params.filterByArea = True
    params.minArea …

我建立摘要操作并将其添加到集合中，然后sess.run在培训/验证期间始终将摘要集合作为调用的一部分进行评估。

但是，在某些情况下，值是nan，这会使Tensorboard图变坏。（用三角形代替数据点，并且平滑度不适用于介于两者之间的nan值）。

有没有一种方法可以根据值的有效性从集合中省略特定的摘要？我可以将nan值替换为零或类似值，但是任何人为选择的值都会污染报告的真实统计信息。

我添加如下摘要： tf.summary.scalar('scc_precision_test', precision_test, [Constants.TEST_SUMMARIES])

谢谢！