小编Cal*_*ath的帖子

我有苹果片浸泡在碘溶液中的照片。目标是将苹果分成各个感兴趣的区域并评估每个区域的淀粉含量。这是一个学校项目，所以我的目标是测试不同的分割方法，客观地找到最佳解决方案，无论是单一技术还是多种技术的组合。

问题是到目前为止我只接近一种方法。该方法正在使用 HoughCircles。我最初计划使用分水岭方法、形态学操作或简单的阈值。当我无法修改它们中的任何一个来工作时，这个计划失败了。

原始图像看起来与此类似，苹果的深浅不一

我尝试使用带有 HSV 值的 cv2.inRange 删除背景托盘，但它不适用于较深的苹果。

这就是 HoughCircles 在原始图像上产生的结果，应用了灰度和中值模糊，还尝试了托盘的蒙版。

任何关于下一步去哪里的建议或方向将不胜感激。如果有帮助，我可以提供我正在使用的代码。

谢谢！

编辑 1：添加一些代码并澄清问题

感谢您的回复。我真正的问题是，这种情况下还有其他适合的分割方法吗？我想尝试几种不同的方法并比较大量照片的结果。我接下来要尝试的是使用 k-means 分割。此外，我将在下面添加一些代码以显示到目前为止我已经尝试过的内容。

HSV 颜色过滤

import cv2
import numpy as np

# Load image
image = cv2.imread('ApplePic.jpg')

# Set minimum and max HSV values to display
lower = np.array([0, 0, 0])
upper = np.array([105, 200, 255])

# Create HSV Image and threshold into a range.
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv, lower, upper)
maskedImage = cv2.bitwise_and(image, image, mask=mask)

# Show Image
cv2.imshow('HSV Mask', …