Python如何实现数字图像处理染色体计数

本篇内容主要讲解“python如何实现数字图像处理染色体计数”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python如何实现数字图像处理染色体计数”吧!

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

中值滤波

图像二值化

膨胀图像

腐蚀图像

计算光影背景

移除背景

检测染色体

三、代码

import cv2import 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_32        ratio[ratio > 1] = 1        aux = 1 - ratio        # 按比例转换为8bit格式        aux = aux * 255        aux = np.uint8(aux)    else:        aux = img5 - img4    return auxdef ConnectedComponents(aux):    num_objects, labels = cv2.connectedComponents(aux)    if num_objects < 2:        print("connectedComponents未检测到染色体")        return    else:        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 == i        output[:, :, 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")        return    else:        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 == i        output[:, :, 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")        return    else:        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

中值滤波

图像二值化

膨胀图像

腐蚀图像

计算光影背景

移除背景

检测染色体

(1)connectedComponents.jpg

(2)connectedComponentsWithStats.jpg

(3)findContours.jpg

染色体个数为46

到此，相信大家对“Python如何实现数字图像处理染色体计数”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！