我最近刚开始学习图像处理，并在研究生院学习了与之相关的课程。但是我已经有一个项目要做，没有太多关于这个主题的信息，但是我已经取得了一些稳定的进展。我正在尝试从它们各自的背景中区分这些药片。对于具有对比背景的图像，我已经能够使用 Otsu 的方法分割药片。对于具有相似背景的图像，Otsu 的方法不太适用。我已经阅读了很多关于分割的论文，但我读过的大多数论文都使用手动阈值值，具体取决于图像的类型。是否可以检测到正确的阈值并自动阈值图像并使用种子生长或聚类等技术来分割图像？
我一直使用的色彩空间是 L a b*，所以如果您能推荐我也应该使用的合适的色彩空间，我将不胜感激。
有问题的图片：
原版 1
结果 1
原版 2
结果 2
原版 3
结果 3
如果您想使用阈值处理方法，如果存在较大的照明变化，如第三个示例图像（此处为 dsp 问题），则应使用自适应阈值处理方法。
此外，您应该尝试使用色彩空间，这很容易：将图像分解为不同色彩空间的脚本不应超过几行，并且许多图像查看器都可以使用该选项。最好的应该很容易在视觉上确定。如果您想了解色彩空间，这里有一个很好的dsp 问题。
最后，您可能想尝试不同的方法。一个想法是先进行不完美的分割，然后进行边缘检测，最后对圆形使用霍夫变换之类的东西，它也适用于（不完整的）圆形拱门。（这个想法当然只适用于圆丸）
OpenCV 库中的圆形霍夫变换非常适合此应用程序。您将必须运行多个半径，但最好的霍夫响应将为您提供药丸的边界和中心。请注意，您必须使用广义霍夫变换来查找非圆形药丸。即使药丸已被遮挡或缺少边缘点，它也可以工作。
阈值处理可能是一个不好的解决方案，因为在现场你可能会陷入没有阈值将药丸与背景分开的情况，这就是为什么依赖于边缘组的相对位置的算法是优越的。
要解决此问题，您需要分离背景和前景。这是解决方案，我建议你：
1）将图像从RGB转换为灰度；您将获得我们称之为的图像I1；
2）应用形态过滤器，使用大半径侵蚀，最终多次==>您应该通过侵蚀擦除药丸并仅获得背景；您将获得一个新图像I2；
3)减去I2，I1得到前景即药丸；
4）应用另一个形态过滤器来填充您获得的药丸中的任何孔；
5）应用形态过滤器，侵蚀，小半径以去除任何孤立的像素。
这种方法不需要任何阈值、形状检测、颜色分割或其他任何东西。