В python я пытаюсь разделить изображение на круги и вычислять количество черных пикселей в каждом круге.
Например, у меня есть изображение, снятое линзой с рыбий глаз (полусферическое изображение) (на примере ниже), и я хочу разделить изображение на маленькие круги, захватывая часть изображения с небольшого круга посередине на весь образ,
Я хотел бы разбить изображение на х количество кругов, каждый раз захватывая часть изображения (см. Изображения ниже)
Как только у меня есть образы круга, я могу рассчитать количество пикселей в каждом изображении.
Я попытался: Image=Image.new("RGB", (2000,2000)) draw = ImageDraw.Draw(image) draw.ellipse((20,20,1800,1800),fill(255,255,255)
Затем создала маску из этого, но независимо от того, как я изменяю числа int draw.ellipse, круг только когда-либо захватывает все изображение, но делает изображение меньше.
Любые идеи или рекомендации о том, как исправить это, будут действительно оценены!
Вы должны посмотреть на OpenCV для таких задач. Вы можете преобразовать круг в весь контур и вычислить радиус круга. Затем вы можете нарисовать круг и нарисовать их на маске и выполнить cv2.bitwise_and
чтобы сделать ROI круга над изображением. Вы можете повторять и умножать целое число по вашему выбору (в моем случае 10) радиус круга ROI. Надеюсь, поможет. Ура!
Пример кода:
import cv2
import numpy as np
img = cv2.imread('circle.png')
h, w = img.shape[:2]
mask = np.zeros((h, w), np.uint8)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
kernel = np.ones((10,10),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel, iterations = 2)
_, contours, hierarchy = cv2.findContours(opening,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = max(contours, key=cv2.contourArea)
extLeft = tuple(cnt[cnt[:, :, 0].argmin()][0])
extRight = tuple(cnt[cnt[:, :, 0].argmax()][0])
radius = (extRight[0] - extLeft[0])/2
print(extRight[0], extLeft[0])
print(radius)
M = cv2.moments(cnt)
cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])
print(cx, cy)
for i in range(1,30):
if i*10<radius:
print(i*10)
cv2.circle(mask,(cx,cy), i*10, 255, -1)
res = cv2.bitwise_and(img, img, mask=mask)
pixels = np.sum(res == 255)
cv2.putText(res,'Pixel count: '+str(pixels),(30,30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255,255,255), 1, cv2.LINE_AA)
cv2.imshow('img', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
else:
res = cv2.bitwise_and(img, img, mask=opening)
pixels = np.sum(res == 255)
cv2.putText(img,'Pixel count: '+str(pixels),(30,30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255,255,255), 1, cv2.LINE_AA)
cv2.imshow('img', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
break
Результат:
РЕДАКТИРОВАТЬ:
Попробуйте другой способ рассчитать средний
import cv2
import numpy as np
img = cv2.imread('circle.png')
h, w = img.shape[:2]
mask = np.zeros((h, w), np.uint8)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
kernel = np.ones((10,10),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel, iterations = 2)
_, contours, hierarchy = cv2.findContours(opening,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = max(contours, key=cv2.contourArea)
cv2.imshow('img22', opening)
extLeft = tuple(cnt[cnt[:, :, 0].argmin()][0])
extRight = tuple(cnt[cnt[:, :, 0].argmax()][0])
radius = (extRight[0] - extLeft[0])/2
x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cx = int(x+(w/2))
cy = int(y+h/2)
for i in range(1,30):
if i*10<radius:
print(i*10)
cv2.circle(mask,(cx,cy), i*10, 255, -1)
res = cv2.bitwise_and(img, img, mask=mask)
pixels = np.sum(res == 255)
cv2.putText(res,'Pixel count: '+str(pixels),(30,30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255,255,255), 1, cv2.LINE_AA)
cv2.imshow('img', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
else:
res = cv2.bitwise_and(img, img, mask=opening)
pixels = np.sum(res == 255)
cv2.putText(img,'Pixel count: '+str(pixels),(30,30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255,255,255), 1, cv2.LINE_AA)
cv2.imshow('img', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
break
Изменить 2:
Хорошо, поэтому мое предположение из вашего первого примера изображения состояло в том, что ваш образ будет почти кругом от начала. Потому что вам не нужно вычислять центр по-разному (например, из моего первого редактирования - из ограничивающей рамки) и создавать большее ядро (40,40) - из-за того, что изображение очень велико. Кроме того, вы должны сделать для я в диапазоне порога (например, 10000). Это будет работать:
import cv2
import numpy as np
img = cv2.imread('circleroi.jpg')
h, w = img.shape[:2]
mask = np.zeros((h, w), np.uint8)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
kernel = np.ones((40,40),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel, iterations = 2)
_, contours, hierarchy = cv2.findContours(opening,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = max(contours, key=cv2.contourArea)
extLeft = tuple(cnt[cnt[:, :, 0].argmin()][0])
extRight = tuple(cnt[cnt[:, :, 0].argmax()][0])
radius = (extRight[0] - extLeft[0])/2
x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cx = int(x+(w/2))
cy = int(y+h/2)
for i in range(1,10000):
if i*10<radius:
cv2.circle(mask,(cx,cy), i*10, 255, -1)
res = cv2.bitwise_and(img, img, mask=mask)
pixels = np.sum(res == 255)
cv2.putText(res,'Pixel count: '+str(pixels),(30,30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255,255,255), 1, cv2.LINE_AA)
cv2.imshow('img', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
else:
res = cv2.bitwise_and(img, img, mask=opening)
pixels = np.sum(res == 255)
cv2.putText(img,'Pixel count: '+str(pixels),(30,30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255,255,255), 1, cv2.LINE_AA)
cv2.imshow('img', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
break
Это довольно просто сделать в чистом numpy, если вы достаточно знакомы с библиотекой:
# Create some fake data
np.random.seed(100)
fake_im_arr = np.random.randint(low=0, high=2, size=(2000,2000))
# Function definition for creating masks
def create_circle_mask(X_arr, Y_arr, center, radius):
c_x, c_y = center
dists_sqrd = (X_arr - c_x)**2 + (Y_arr - c_y)**2
return dists_sqrd <= radius**2
# Using the two together:
center, radius = (1000, 1000), 5
size_x, size_y = fake_im_arr.shape
mask = create_circle_mask(*np.ogrid[0:size_x, 0:size_y], center=center, radius=radius)
n_black_in_circle = ((fake_im_arr == 1) & mask).sum() # This is your answer (39 in this case)
Чтобы увидеть, как выглядят различные массивы:
fake_im_arr[center[0] - radius:center[0] + (radius + 1),
center[1] - radius:center[1] + (radius + 1)]
array([[0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1],
[0, 1, 0, 0, 1, 1, 0, 1, 1, 0, 1],
[0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1],
[0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 1],
[1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1],
[1, 1, 0, 1, 1, 0, 1, 0, 1, 0, 0],
[0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 1],
[1, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0],
[0, 0, 1, 0, 0, 1, 0, 0, 1, 1, 0],
[1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0]])
mask[center[0] - radius:center[0] + (radius + 1),
center[1] - radius:center[1] + (radius + 1)].astype('int')
array([[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0],
[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0],
[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0],
[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0],
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0],
[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0],
[0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0],
[0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0]])
np.where(mask, fake_im_arr, 0)[center[0] - radius:center[0] + (radius + 1),
center[1] - radius:center[1] + (radius + 1)]
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0],
[0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 1, 0, 0, 0, 0, 1, 1, 1, 1, 0],
[0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0],
[1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1],
[0, 1, 0, 1, 1, 0, 1, 0, 1, 0, 0],
[0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0],
[0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0],
[0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0],
[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0]])