图像分割如何检测这种静脉连接？（地标）

Question

我需要检测的翅膀蜜蜂静脉连接（图像只是一个例子）。我使用opencv-python。你知道吗

ps：也许图像质量有点下降，但是图像都是一个像素宽的。你知道吗

Answer 1

您可以使用Harris corner detector算法检测上述图像中的静脉连接。与以前的技术相比，Harris corner detector直接考虑了角点得分相对于方向的差异，而不是每45度角使用移动面片，并且已被证明在区分边和角方面更准确（来源：wikipedia）。你知道吗

代码：

img = cv2.imread('wings-bee.png')
# convert image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)

'''
args:
img - Input image, it should be grayscale and float32 type.
blockSize - It is the size of neighbourhood considered for corner detection
ksize - Aperture parameter of Sobel derivative used.
k - Harris detector free parameter in the equation.
'''
dst = cv2.cornerHarris(gray, 9, 5, 0.04)
# result is dilated for marking the corners
dst = cv2.dilate(dst,None)

# Threshold for an optimal value, it may vary depending on the image.
img_thresh = cv2.threshold(dst, 0.32*dst.max(), 255, 0)[1]
img_thresh = np.uint8(img_thresh)

# get the matrix with the x and y locations of each centroid
centroids = cv2.connectedComponentsWithStats(img_thresh)[3]


stop_criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
# refine corner coordinates to subpixel accuracy
corners = cv2.cornerSubPix(gray, np.float32(centroids), (5,5), (-1,-1), stop_criteria)
for i in range(1, len(corners)):
    #print(corners[i])
    cv2.circle(img, (int(corners[i,0]), int(corners[i,1])), 5, (0,255,0), 2)

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出：

您可以从here检查Harris Corner detector算法背后的理论。你知道吗

Answer 2

这是一个有趣的问题。我得到的结果并不完美，但可能是个好的开始。我用只看内核边缘的内核过滤图像。其思想是，一个连接至少有3条线穿过内核边缘，其中规则线只有2条。这意味着当内核在一个连接点上时，结果值会更高，因此阈值会显示它们。
由于线路的性质，有一些正值和一些负值。一个关节很可能会被发现好几次，所以你必须考虑到这一点。你可以通过画小点并检测这些小点来使它们独特。你知道吗

结果：

代码：

    import cv2
    import numpy as np
    # load the image as grayscale
    img = cv2.imread('xqXid.png',0)
    # make a copy to display result
    im_or = img.copy()
    # convert image to larger datatyoe
    img.astype(np.int32)
    # create kernel 
    kernel = np.ones((7,7))
    kernel[2:5,2:5] = 0
    print(kernel)
    #apply kernel
    res = cv2.filter2D(img,3,kernel)
    # filter results
    loc = np.where(res > 2800)
    print(len(loc[0]))
    #draw circles on found locations
    for x in range(len(loc[0])):
            cv2.circle(im_or,(loc[1][x],loc[0][x]),10,(127),5)
    #display result
    cv2.imshow('Result',im_or)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

注意：您可以尝试调整内核和阈值。例如，使用上面的代码，我得到了126个匹配项。但当我使用

kernel = np.ones((5,5))
kernel[1:4,1:4] = 0

带阈值

loc = np.where(res > 1550)

我在这些地方找到了33根火柴：