使用Python从图片中找出彩色graphics的数量

我的问题与识别图片颜色有关。 做微生物学我需要计数显微镜照相机拍摄的照片上的细胞核数量。 我用GIMP标记核红点的核。 现在我需要在python中创build一个脚本，给出一个图像，告诉我有多less红点。 图片中除了点之外没有红色。

我已经想到了一个相当复杂的解决scheme，可能不是最好的解决scheme：拍一张照片，开始通过像素检查每个人的颜色。 如果是红色，检查所有8个最近的像素，recursion地检查每个红色的邻居，直到没有更多的邻居红色像素被发现。 然后将核数加1，并标记遍历的像素，这样它们不会再次迭代。 然后从停止的地方继续迭代。 似乎有点沉重，所以我想我会问，也许有人已经更优雅地处理了类似的问题。

问候，桑德

Answer 1

数核

该代码从Python Image Tutorial改编而来。 从教程input图像与核：

#!/usr/bin/env python import scipy from scipy import ndimage # read image into numpy array # $ wget http://pythonvision.org/media/fileshttp://img.dovov.comdna.jpeg dna = scipy.misc.imread('dna.jpeg') # gray-scale image # smooth the image (to remove small objects); set the threshold dnaf = ndimage.gaussian_filter(dna, 16) T = 25 # set threshold by hand to avoid installing `mahotas` or # `scipy.stsci.image` dependencies that have threshold() functions # find connected components labeled, nr_objects = ndimage.label(dnaf > T) # `dna[:,:,0]>T` for red-dot case print "Number of objects is %d " % nr_objects # show labeled image ####scipy.misc.imsave('labeled_dna.png', labeled) ####scipy.misc.imshow(labeled) # black&white image import matplotlib.pyplot as plt plt.imsave('labeled_dna.png', labeled) plt.imshow(labeled) plt.show() 

产量

 Number of objects is 17 

Answer 2

我会这样做：

• 使用OpenCV （ python绑定 ），
• 只取RGB图像的R分量，
• 二进制阈值的R分量，使它只剩下最红的像素，
• 使用一些对象/特征检测来检测点，fe。 ExtractSURF

评论：它不会是最快的，它不会总是准确的。 但是这将会很有趣，因为CV总是很有趣，并且准备好了10行代码。 只是一个松散的想法。

至于更多生产就绪的build议：

• 其实我觉得你的想法是非常好的，如果有一些思考的话可以并行化;
• 在OpenCV（ cvBlobsLib ）中使用blob检测。

但最优雅的解决scheme只是计算GIMP中的标记核，正如Ocaso Protal在上面提出的那样。 准确和最快。 其他的一切都容易出错，而且要慢得多，因此我的想法是松散的，比任何事情都更有趣。

Answer 3

一个简单的Numpy / Scipy解决scheme将是这样的：

 import numpy, scipy a = scipy.misc.imread("rgb.jpg") # Imports RGB to numpy array where a[0] is red, a[1] is blue, a[2] is green... num_red = numpy.sum((a[:,:,0] == 255) * (a[:,:,1] == 0) * (a[:,:,2] == 0)) # Counts the number of pure red pixels 

您也可以使用PIL来读取图像。

编辑：根据评论， scipy.ndimage.measurements.label将是有用的，也返回一个值num_features给你的计数：

 import numpy, scipy from scipy import ndimage a = scipy.misc.imread("rgb.jpg") b = ((a[:,:,0] == 255) * (a[:,:,1] == 0) * (a[:,:,2] == 0))*1 labeled_array, num_features = scipy.ndimage.measurements.label(b.astype('Int8'))