用OpenCV识别碎药粒

碎粒

原图如下

我目前想到的思路通过阈值分割出药粒，根据面积来划分，但是阈值分割老是分割不好

边缘检测不是整体即为碎药

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/450250
• 你也可以参考下这篇文章：opencv进阶学习笔记1： 调用摄像头用法大全（打开摄像头，打开摄像头并实时不断截屏，读取视频并截图）
• 您还可以看一下 AI100讲师老师的计算机视觉实战：如何使用OpenCV构建视觉应用课程中的 计算机视觉实战：如何使用OpenCV快速构建视觉应用小节, 巩固相关知识点
  
• 除此之外, 这篇博客: 利用opencv实现检测特定颜色物体，并追踪其移动中的  如果大家有什么更好的方法提出，麻烦在下方评论区留个言，，抱抱大腿。 部分也许能够解决你的问题。
• 以下回答由chatgpt基于相关博客总结生成:

  分析： 这个问题可以通过以下步骤来解决： 1. 读取原始图片，并进行灰度化处理。 2. 对灰度化后的图像进行高斯模糊处理，以减少噪声的影响。 3. 使用自适应阈值算法对图像进行二值化处理，得到二值图像。 4. 对二值图像进行形态学操作，如膨胀和腐蚀，以去除噪声和填补碎片。 5. 使用轮廓提取算法提取二值图像中的药片轮廓。 6. 针对每个提取的轮廓，使用面积阈值进行筛选，将符合条件的轮廓保存下来。 7. 根据轮廓的位置信息，绘制矩形框来标记识别出的碎片。

  下面是具体的解决方案：

  import cv2
  import numpy as np
  
  # 1. 读取原始图片并灰度化处理
  image = cv2.imread("path/to/image.jpg")
  gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  
  # 2. 高斯模糊处理
  blurred = cv2.GaussianBlur(gray, (5, 5), 0)
  
  # 3. 自适应阈值算法二值化处理
  thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 11, 4)
  
  # 4. 膨胀和腐蚀操作
  kernel = np.ones((5, 5), np.uint8)
  dilated = cv2.dilate(thresh, kernel, iterations=3)
  eroded = cv2.erode(dilated, kernel, iterations=2)
  
  # 5. 提取轮廓
  contours, _ = cv2.findContours(eroded.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  
  # 6. 筛选轮廓并绘制矩形框
  min_area = 100  # 最小面积阈值
  rectangles = []
  for contour in contours:
      area = cv2.contourArea(contour)
      if area > min_area:
          x, y, w, h = cv2.boundingRect(contour)
          cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
          rectangles.append((x, y, w, h))
  
  # 7. 显示结果
  cv2.imshow("Result", image)
  cv2.waitKey(0)
  cv2.destroyAllWindows()
  

  以上代码将会对原始图片进行处理，并在识别出的碎片处绘制矩形框进行标记。你可以调整参数以优化结果，如调整高斯模糊的内核大小，调整自适应阈值算法的参数等。

  希望以上方案对你有帮助！如果还有其他问题，请随时提问。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^

中间没有空缺即为好药。