一、实验内容

对于下面这幅图像，编程实现染色体计数，并附简要处理流程说明。

二、实验步骤

1.中值滤波

2.图像二值化

3.膨胀图像

4.腐蚀图像

5.计算光影背景

6.移除背景

7.检测染色体

三、代码

import cv2
import numpy as np# 计算光影背景
def calculateLightPattern(img4):h, w = img4.shape[0], img4.shape[1]img5 = cv2.blur(img4, (int(w/3), int(w/3)))return img5# 移除背景
def removeLight(img4, img5, method):if method == 1:img4_32 = np.float32(img4)img5_32 = np.float32(img5)ratio = img4_32 / img5_32ratio[ratio > 1] = 1aux = 1 - ratio# 按比例转换为8bit格式aux = aux * 255aux = np.uint8(aux)else:aux = img5 - img4return auxdef ConnectedComponents(aux):num_objects, labels = cv2.connectedComponents(aux)if num_objects < 2:print("connectedComponents未检测到染色体")returnelse:print("connectedComponents检测到染色体数量为:", num_objects - 1)output = np.zeros((aux.shape[0], aux.shape[1], 3), np.uint8)for i in range(1, num_objects):mask = labels == ioutput[:, :, 0][mask] = np.random.randint(0, 255)output[:, :, 1][mask] = np.random.randint(0, 255)output[:, :, 2][mask] = np.random.randint(0, 255)return outputdef ConnectedComponentsStats(aux):num_objects, labels, status, centroids = cv2.connectedComponentsWithStats(aux)if num_objects < 2:print("connectedComponentsWithStats未检测到染色体")returnelse:print("connectedComponentsWithStats检测到染色体数量为:", num_objects - 1)output = np.zeros((aux.shape[0], aux.shape[1], 3), np.uint8)for i in range(1, num_objects):mask = labels == ioutput[:, :, 0][mask] = np.random.randint(0, 255)output[:, :, 1][mask] = np.random.randint(0, 255)output[:, :, 2][mask] = np.random.randint(0, 255)return outputdef FindContours(aux):contours, hierarchy = cv2.findContours(aux, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)if len(contours) == 0:print("findContours未检测到染色体")returnelse:print("findContours检测到染色体数量为:", len(contours))output = np.zeros((aux.shape[0], aux.shape[1], 3), np.uint8)for i in range(len(contours)):cv2.drawContours(output,contours,i,(np.random.randint(0, 255),np.random.randint(0, 255),np.random.randint(0, 255)), 2)return output# 读取图片
img = cv2.imread('img.png', 0)
pre_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 二值化函数# 第一步：中值滤波
# 中值滤波
img1 = cv2.medianBlur(img, 3)# 显示并保存图片
cv2.imshow('gray', img)cv2.imshow('medianBlur', img1)
cv2.imwrite('medianBlur.jpg', img1)
# 第二步：图像二值化
# 图像二值化
ret, img2 = cv2.threshold(img1, 140, 255, 0, img1)  # 二值化函数# 显示并保存图片
cv2.imshow('threshold', img2)
cv2.imwrite('threshold.jpg', img2)# 第三步：膨胀图像
dilate_kernel = np.ones((3, 3), np.uint8)
img3 = cv2.dilate(img2, dilate_kernel)# 显示并保存图片
cv2.imshow('dilate', img3)
cv2.imwrite('dilate.jpg', img3)# 第四步：腐蚀图像
erode_kernel = np.ones((7, 7), np.uint8)
img4 = cv2.erode(img3, erode_kernel)# 显示并保存图片
cv2.imshow('erode', img4)
cv2.imwrite('erode.jpg', img4)# 第五步：计算光影背景
img5 = calculateLightPattern(img4)
# 显示并保存图片
cv2.imshow('LightPattern', img5)
cv2.imwrite('LightPattern.jpg', img5)# 第六步：移除背景
aux = removeLight(img4, img5, 1)
# 显示并保存图片
cv2.imshow('removeLight', aux)
cv2.imwrite('removeLight.jpg', aux)# 第七步：检测轮廓
output1 = ConnectedComponents(aux)
output2 = ConnectedComponentsStats(aux)
output3 = FindContours(aux)
# 显示并保存图片
cv2.imshow('connectedComponents', output1)
cv2.imwrite('connectedComponents.jpg', output1)
cv2.imshow('connectedComponentsWithStats', output2)
cv2.imwrite('connectedComponentsWithStats.jpg', output2)
cv2.imshow('findContours', output3)
cv2.imwrite('findContours.jpg', output3)
cv2.waitKey(0)

四、结果

1.中值滤波

2.图像二值化

3.膨胀图像

4.腐蚀图像

5.计算光影背景

6.移除背景

7.检测染色体

(1)connectedComponents.jpg

(2)connectedComponentsWithStats.jpg

(3)findContours.jpg

染色体个数为46

数字图像处理染色体计数 Python实现相关推荐

数字图像处理——实验一 Python中数字图像处理的基本操作
数字图像处理--实验一 Python中数字图像处理的基本操作一.实验目的二.实验主要仪器设备三.实验原理 3.1 数字图像的表示和类别 3.2 opencv-python图像文件格式四.实验内 ...
数字图像处理 python_5使用Python处理数字的高级操作
数字图像处理 python Numbers are everywhere in our daily life - there are phone numbers, dates of birth, ag ...
基于Opencv的数字图像处理技巧（python）
图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术.又称影像处理.图像处理一般指数字图像处理.数字图像是指用工业相机.摄像机.扫描仪等设备经过拍摄得到的一个大的 ...
数字图像处理使用opencv+python识别七段数码显示器的数字
一.什么是七段数码显示器七段LCD数码显示器有很多叫法:段码液晶屏.段式液晶屏.黑白笔段屏.段码LCD液晶屏.段式显示器.TN液晶屏.段码液晶显示器.段码屏幕.笔段式液晶屏.段码液晶显示屏.段式LC ...
数字图像处理之用Python+GDAL实现BSQ格式转换为BIP格式，BIL格式转换为BSQ，BIP格式
1.环境:PyCharm2022.2.3+Python3.9.1+GDAL(GDAL-3.4.3-cp39-cp39-win_amd64) 2.概念: (1)BSQ (band sequential) ...
（附源码）python数字图像处理课程平台毕业设计 242339
Python数字图像处理课程平台的开发摘要数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
（附源码）Python数字图像处理课程平台毕业设计242339
Python数字图像处理课程平台的开发摘要数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
数字图像处理-编程实现染色体计数 C语言实现
调用的框架:http://blog.chinaunix.net/uid-20622737-id-3173056.html 实验内容: 对于下面这幅图像,编程实现染色体计数,并附简要处理流程说明. 处理 ...
基于数字图像处理的小目标计数（一）
波点壁纸中圆点的计数去年年末我学习了天津科技大学杨淑莹老师的<数字图像处理>课程,虽然课程有点老,但是内容还是比较经典的.课程最后有好几个数字图像处理的案例,都是基于Visual C++ ...

数字图像处理染色体计数 Python实现

一、实验内容

二、实验步骤

三、代码

四、结果

数字图像处理染色体计数 Python实现相关推荐

最新文章

热门文章

数字图像处理 染色体计数 Python实现

一、实验内容

二、实验步骤

三、代码

四、结果

数字图像处理 染色体计数 Python实现相关推荐

最新文章

热门文章

数字图像处理染色体计数 Python实现

数字图像处理染色体计数 Python实现相关推荐