contar células sanguíneas

¿Cómo contar las células sanguíneas en opencv? El problema es que se mantienen unidos.

La imagen de ejemplo:

¿Quizás histograma geométrico por pares ( Histogramas geométricos ) adecuado para hacer coincidir la forma del círculo parcial?

Solo una idea sin garantía de éxito:

1. aísle las manchas rojas (por ejemplo, márquelas como blancas, el resto de la imagen como negras)
2. realizar una transformación de distancia para las manchas blancas (cada píxel indica la distancia al píxel negro más cercano)
3. realizar una supresión no máxima (idealmente solo quedan los centros de los círculos)
4. lidiar con condiciones no ideales (filtrar pequeños picos de artefactos)

De manera similar a la sugerencia de @ SalemMansour, también es un enfoque basado en áreas.

Se puede calcular una estimación realmente aproximada si podemos suponer

• que los tamaños de celda (en píxeles) no difieren mucho en todas las imágenes,
• que los colores de las celdas no difieren mucho en todas las imágenes.

Luego, puede medir previamente el tamaño promedio de una celda y calcular una máscara barata para las celdas de esta manera:

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)

Me da ~ 211 para el recuento celular.

La imagen de la máscara es así:

Para esta imagen más pequeña, contaría manualmente 9 celdas:

La solución da el resultado de 9.46502057613.

Por supuesto, si alguno de los supuestos no es válido, entonces este enfoque es inútil. También es sensible al umbral de color duro y al tamaño de celda constante. Debido a la ecualización del color, puede fallar totalmente si no hay una celda presente en la imagen.

Pero es realmente simple y barato :)

Primero debe cambiar la imagen a imagen binaria utilizando el umbral, el método otsu. Puede separar las celdas (celdas superpuestas) utilizando la morfología matemática como la erosión, la apertura. Estima el área.