Обнаружение черных точек из цветного фона

Ответ 1

Мне удалось получить несколько хороших результатов первого прохода, перейдя в цветовое пространство HSV с помощью rgb2hsv, а затем используя Image Processing Toolbox функции imopen и imregionalmin в канале значений

rgb = imread('6abIc.jpg');
hsv = rgb2hsv(rgb);
openimg = imopen(hsv(:, :, 3), strel('disk', 11));
mask = imregionalmin(openimg);
imshow(rgb);
hold on;
[r, c] = find(mask);
plot(c, r, 'r.');

И полученные изображения (для изображения в вопросе и один, выбранный из вашей ссылки):

Вы можете увидеть несколько ложных срабатываний и пропущенных точек, а также несколько точек, помеченных несколькими точками, но несколько уточнений (например, изменение элемента структуры, используемого на шаге открытия) могут очистить их.

Ответ 2

Мне было интересно проверить мой старый 2d пиковый поисковый код на изображения без любого порога или любого цвета соображения, действительно сырые, как вы думаете?

im0=imread('Snap10.jpg');
im=(abs(255-im0));
d=rgb2gray(im);
filter=fspecial('gaussian',16,3.5);
p=FastPeakFind(d,0,filter);
imagesc(im0); hold on
plot(p(1:2:end),p(2:2:end),'r.')

Код, который я использую, - это простой двумерный локальный поиск максимумов, есть некоторые ложные срабатывания, но в целом это захватывает большинство точек без дублирования. Фильтр, который я использовал, был 2d gaussian ширины и std, аналогичный типичному blob (лучше всего было бы получить согласованный фильтр для вашей проблемы). Более сложная версия, которая обрабатывает цвета (rgb2hsv?), Может улучшить это далее...

Ответ 3

Вот необычно упрощенная версия, которая может быть расширена до полного RGB, а также не использует библиотеку обработки изображений. В основном вы можете выполнить двухмерную свертку с изображением фильтра (который является примером точки, которую вы ищете), и из точек, где свертка возвращает самые высокие значения, являются лучшими совпадениями для точек. Тогда вы можете, конечно, порог. Вот простой пример двоичного изображения именно этого.

%creating a dummy image with a bunch of small white crosses
im = zeros(100,100);
numPoints = 10;

% randomly chose the location to put those crosses
points = randperm(numel(im));
% keep only certain number of points
points = points(1:numPoints);
% get the row and columns (x,y)
[xVals,yVals] = ind2sub(size(im),points);

for ii = 1:numel(points)
   x = xVals(ii);
   y = yVals(ii);
   try
       % create the crosses, try statement is here to prevent index out of bounds
       % not necessarily the best practice but whatever, it is only for demonstration
       im(x,y) = 1;
       im(x+1,y) = 1;
       im(x-1,y) = 1;
       im(x,y+1) = 1;
       im(x,y-1) = 1;
   catch err
   end
end
% display the randomly generated image
imshow(im)

% create a simple cross filter
filter = [0,1,0;1,1,1;0,1,0];
figure; imshow(filter)

% perform convolution of the random image with the cross template
result = conv2(im,filter,'same');

% get the number of white pixels in filter
filSum = sum(filter(:));

% look for all points in the convolution results that matched identically to the filter
matches = find(result == filSum);

%validate all points found
sort(matches(:)) == sort(points(:))
% get x and y coordinate matches
[xMatch,yMatch] = ind2sub(size(im),matches);

Я бы очень хотел взглянуть на документацию conv2 на веб-сайте MATLAB.