图像中土壤颗粒分水岭以外的替代分割技术

我正在寻找一种替代方法来分割以下土壤颗粒图像中的颗粒，而不是Python中的分水岭分割，因为它可能会误导对颗粒的正确检测，此外，我正在研究边缘检测图像（使用HED算法）作为附加..我希望找到一种更好的方法来分割颗粒以进行进一步处理，因为我想获得我的项目中图像中每个多边形的面积..提前致谢 我还询问随机游走者分割或任何其他可用的方法。

您可以尝试使用已实现统计信息的连接组件cv2.connectedComponentsWithStats https://stackoverflow.com/questions/35854197/how-to-use-opencvs-connected-components-with-stats-in-python执行组件标记。使用二进制图像作为输入，这是伪彩色图像：

每个对象的质心可以在centroid参数和其他信息（例如面积）可以在status返回变量cv2.connectedComponentsWithStats。这是标有每个多边形面积的图像。您可以使用最小阈值区域进行过滤以仅保留较大的多边形

Code

import cv2
import numpy as np

# Load image, Gaussian blur, grayscale, Otsu's threshold
image = cv2.imread('2.jpg')
blur = cv2.GaussianBlur(image, (3,3), 0)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Perform connected component labeling
n_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh, connectivity=4)

# Create false color image and color background black
colors = np.random.randint(0, 255, size=(n_labels, 3), dtype=np.uint8)
colors[0] = [0, 0, 0]  # for cosmetic reason we want the background black
false_colors = colors[labels]

# Label area of each polygon
false_colors_area = false_colors.copy()
for i, centroid in enumerate(centroids[1:], start=1):
    area = stats[i, 4]
    cv2.putText(false_colors_area, str(area), (int(centroid[0]), int(centroid[1])), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255,255,255), 1)

cv2.imshow('thresh', thresh)
cv2.imshow('false_colors', false_colors)
cv2.imshow('false_colors_area', false_colors_area)
cv2.waitKey()