(1): coins.png
1.采用OpenCv中cv2.cvtColor()函数将coins.png图片进行灰度处理，得到coins_gray：
coins_gray = cv2.cvtColor(coins, cv2.COLOR_RGB2GRAY)
2.采用OpenCv中cv2.threshold()函数，带cv2.THRESH_OTSU(OTSU阈值法)参数，自适应对coins_gray阈值进行处理，获取二元值的灰度图像 ：
ret,thresh=cv2.threshold(coins_gray,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU
3.之后再轮廓检测：
cnts=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[1]
其中参数CV_RETR_EXTERNAL表示：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略；参数CV_CHAIN_APPROX_SIMPLE表示：仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内(也就是第二个返回值)，拐点与拐点之间直线段上的信息点不予保留；
4.计数提取出的边缘数即为硬币数，用循环将边缘的位置标在原图上画出并显示，记的数字显示在title中：
for i, contour in enumerate(cnts): cv2.drawContours(coins, cnts, -1, (0, 0, 255), 1) cv2.imshow(str(len(cnts))+(" coins"), coins) cv2.imwrite("coins_result.jpg", coins)
其结果如下图1-1所示(左上角为其个数)：
完整Python代码如下所示：
import cv2 coins = cv2.imread('coins.png') coins_gray = cv2.cvtColor(coins, cv2.COLOR_RGB2GRAY) ret, thresh = cv2.threshold(coins_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1] for i, contour in enumerate(cnts): cv2.drawContours(coins, cnts, -1, (0, 0, 255), 1) cv2.imshow(str(len(cnts))+(" coins"), coins) cv2.imwrite("coins_result.jpg", coins) cv2.waitKey(0) cv2.destroyAllWindows()
(2):Dowels.tiff
最开始想用霍夫变换对其进行圆形检测，由于效果不好这里换另外一种方案，仍然对其进行基本的图像操作之后二值化图像，检测轮廓。对Dowels.tiff的分割与记数原理与coins.png的原理类似，不同之处在于对其进行mean-shift(均值漂移)滤波。之后进行灰度变换、阈值分割、检测轮廓，最后对其计数并显示出来。
其结果如下图1-2所示(左上角为其个数)：
完整Python代码如下所示：
import cv2 Dowels = cv2.imread('Dowels.tif') cv2.imshow("Dowels_origin", Dowels) # 进行mean—shift滤波 mean_shift_Dowels= cv2.pyrMeanShiftFiltering(Dowels, sp=10, sr=100) gray = cv2.cvtColor(mean_shift_Dowels, cv2.COLOR_RGB2GRAY) ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[1] for i, contour in enumerate(cnts): cv2.drawContours(Dowels, cnts, i, (0, 0, 255), 1) cv2.imshow(str(len(cnts)) + " Dowels", Dowels) cv2.imwrite("Dowels_result.jpg", Dowels) cv2.waitKey(0) cv2.destroyAllWindows()
(3): rice.png
对rice.png的分割与记数原理与coins.png的原理类似，主要不同在于图像存在噪声的干扰，需要将其进行一下滤波处理。先将其转化为灰度图像，再对其进行滤波处理，之后对其进行自适应阈值分割，利用cv2.findContours()函数寻找轮廓，最后对其记数，并展示出来。
其结果如下图1-3所示(左上角为其个数)：
完整Python代码如下所示：
from numpy import * import cv2 rice = cv2.imread('rice.png') rice_gray = cv2.cvtColor(rice, cv2.COLOR_RGB2GRAY) # rice_gray_Blur = cv2.GaussianBlur(rice_gray,(5,5),1) # rice_gray_Blur = box = cv2.boxFilter(rice_gray,-1,(3,3), normalize=False) rice_gray_Blur = cv2.blur(rice_gray, (3, 3)) ret,thresh=cv2.threshold(rice_gray_Blur.copy(), 1,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU) cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1] for i, contour in enumerate(cnts): cv2.drawContours(rice, cnts, i, (0, 0, 255), 1) cv2.imshow(str(len(cnts))+ " rice", rice) cv2.waitKey(0) cv2.destroyAllWindows()
完整实验代码，公众号后台回复：数字图像作业二。
我的微信公众号名称：深度学习与先进智能决策
微信公众号ID：MultiAgent1024
公众号介绍：主要研究分享深度学习、机器博弈、强化学习等相关内容！期待您的关注，欢迎一起学习交流进步！
