只是一个不能保证成功的想法：

1. 隔离红色斑点（例如将它们标记为白色，图像的其余部分标记为黑色）
2. 对白色斑点执行距离变换（每个像素表示到最近的黑色像素的距离）
3. 执行非最大值抑制（理想情况下只保留圆心）
4. 处理非理想条件（从伪像中滤除小峰值）

与@SalemMansour 的建议类似，它也是一种基于区域的方法。

如果我们可以假设，可以计算出一个非常粗略的估计

• 单元格大小（以像素为单位）在所有图像中差别不大，
• 单元格颜色在所有图像中没有太大差异。

然后，您可以预先测量单元格的平均大小并计算单元格的廉价掩码，如下所示：

from SimpleCV import *
im = Image("s58Hl.jpg")
r,g,b = im.splitChannels()
cellmask = g.equalize().threshold(90).invert()
masksize = cellmask.getGrayNumpy().sum()/255.
cellsize = 27*27 # premeasured cell size
cellnum = masksize/cellsize
print(cellnum)

它给了我~211的细胞计数。

蒙版图像是这样的：

对于这个较小的图像，我将手动计算 9 个单元格：

该解决方案给出了 9.46502057613 的结果。

当然，如果任何假设无效，那么这种方法是无用的。它对硬色阈值和单元大小常数也很敏感。由于颜色均衡，如果图像中没有单元格，它可能会完全失败。

但它真的很简单而且便宜:)

首先，您必须使用阈值，otsu 方法将图像更改为二进制图像。您可以使用侵蚀、开孔等数学形态学来分离单元格（重叠的单元格）。估计面积。