OpenCV的滚球背景减法算法

Posted 2023-02-22

【中文标题】OpenCV的滚球背景减法算法

【英文标题】：Rolling ball background subtraction algorithm for OpenCV

【发布时间】：2015-03-28 18:29:51

【问题描述】：

在 ImageJ: Process->Subtract Background 中找到“滚球”背景减法算法的 OpenCV (android) 实现吗？

OpenCV 有一个 BackgroundSubtractorMOG 类，但它用于视频流而不是单个独立图像。

这是这个方法的一个例子： http://imgur.com/8SN2CFz

这是该过程的文档：http://imagejdocu.tudor.lu/doku.php?id=gui:process:subtract_background

【参考方案1】：

据我所知，OpenCV C 库中没有实现，Android JNI 包装器就是这样 - 围绕主库的包装器。

话虽如此，ImageJ 实现的源代码可在线获得 here，因此您应该能够将其直接合并到您的 Android 图像处理管道中。

有一些关于滚球与例如滚球的相对优点的讨论。使用磁盘结构元素（在 OpenCV 中可以使用）here。

如果您绝对需要 Rolling Ball 和 OpenCV，那么很遗憾，它不是“开箱即用”的。

【参考方案2】：

基于@Xenthor 的回答，这就是我想出的：

import numpy as np
import scipy.ndimage as ndi
from scipy.ndimage._ni_support import _normalize_sequence

def rolling_ball_filter(data, ball_radius, spacing=None, top=False, **kwargs):
    """Rolling ball filter implemented with morphology operations

    This implenetation is very similar to that in ImageJ and uses a top hat transform
    with a ball shaped structuring element
    https://en.wikipedia.org/wiki/Top-hat_transform

    Parameters
    ----------
    data : ndarray
        image data (assumed to be on a regular grid)
    ball_radius : float
        the radius of the ball to roll
    spacing : int or sequence
        the spacing of the image data
    top : bool
        whether to roll the ball on the top or bottom of the data
    kwargs : key word arguments
        these are passed to the ndimage morphological operations

    Returns
    -------
    data_nb : ndarray
        data with background subtracted
    bg : ndarray
        background that was subtracted from the data
    """
    ndim = data.ndim
    if spacing is None:
        spacing = 1

    spacing = _normalize_sequence(spacing, ndim)

    radius = np.asarray(_normalize_sequence(ball_radius, ndim))
    mesh = np.array(np.meshgrid(*[np.arange(-r, r + s, s) for r, s in zip(radius, spacing)], indexing="ij"))
    structure = 2 * np.sqrt(1 - ((mesh / radius.reshape(-1, *((1,) * ndim)))**2).sum(0))
    structure[~np.isfinite(structure)] = 0
    if not top:
        # ndi.white_tophat(data, structure=structure, output=background)
        background = ndi.grey_erosion(data, structure=structure, **kwargs)
        background = ndi.grey_dilation(background, structure=structure, **kwargs)
    else:
        # ndi.black_tophat(data, structure=structure, output=background)
        background = ndi.grey_dilation(data, structure=structure, **kwargs)
        background = ndi.grey_erosion(background, structure=structure, **kwargs)

    return data - background, background

【讨论】：

感谢您的贡献，但这有效吗？我不得不将spacing = np.ones_like(ndim) 更改为spacing = np.ones(ndim)。但是现在1 - ((mesh / radius.reshape(-1, *((1,) * ndim)))**2).sum(0) 都是负值，因此np.sqrt 会引发错误。另外：这适用于浮动图像吗？

spacing = np.ones_like(ndim) 是正确的。你之前遇到了什么错误？

@DavidHoffman 感谢您发布您的实施。我尝试使用您的功能但收到错误zip argument #2 must support iteration。我已经使用以下参数运行了该函数rolling_ball_filter(image, 50, spacing=None, top=False)

@packoman 我想我错了，我更新了答案，如果失败请告诉我。

@DavidHoffman 当你添加 presmoothing data = cv2.filter2D(data, -1, np.ones((3, 3), dtype = np.float64) / 9) 结果会更好。

【参考方案3】：

编辑：在使用这篇文章中的方法之前，请阅读下面的 cmets 并考虑@renat 和 @David Hoffman 的答案。

如果有人仍在寻找 python 中的滚动球背景校正。对我来说，以下工作非常顺利。

加载图像并分别处理每个通道。 创建加权球结构元素 使用白色礼帽变换

这里是一些单色图像的代码：

import scipy.ndimage as scim
from scipy.misc import imsave
from skimage.morphology import ball

# Read image
im = scim.imread("path")[:, :, 0].astype(int)

# Create 3D ball with radius of 50 and a diameter of 2*50+1
s = ball(50)

# Take only the upper half of the ball
h = s.shape[1] // 2 + 1  # 50 + 1

# Flatten the 3D ball to a weighted 2D disc
s = s[:h, :, :].sum(axis=0)

# Rescale weights into 0-255
s = (255 * (s - s.min())) / (s.max() - s.min())

# Use im-opening(im,ball) (i.e. white tophat transform) (see original publication)
im_corr = scim.white_tophat(im, structure=s)

# Save corrected image
imsave('outfile', im_corr)

这为您提供了与 imagej 实现不完全相同的结果，但结果非常相似。就我而言，有更好和更差的校正区域。而且整体色彩强度更高。

【讨论】：

将 Xenthors 代码与 opencv-rolling-ball 中的算法进行比较我使用来自 skimage skimage.data.microaneurysms() 的黑白图像得到完全不同的结果，半径为 25 的结果可以在这里看到：i.stack.imgur.com/MPVgh.png图像显示 1. 原始图像，2. Xenthor 的结果，3. &。 4. opencv-rolling-ball算法的背景扣除图像和背景本身

哦，哇，这些结果非常不同。您是否也与大卫霍夫曼的答案进行了比较？

我查看了来自 opencv-rolling-ball 的代码，在向 David Hoffman 代码添加一行代码后，我得到了类似的结果。在返回语句之前，我添加了以下行：data = (data + .5) % 255 if top else (data + 255.5) % 255 结果可以在这里看到：i.stack.imgur.com/pzsbo.png（首先是原始图像，然后是 Davids 算法的图像和背景，然后是 opencv-rolling-ball 的图像）。但是正如你所看到的，值范围是完全不同的。

也很有趣。非常感谢您的意见和评价。

【参考方案4】：

您可以在此处找到 opencv 中最近的滚动球实现

https://pypi.org/project/opencv-rolling-ball/

总之

安装pip install opencv-rolling-ball

例子

import cv2
from cv2_rolling_ball import subtract_background_rolling_ball

img = cv2.imread(f'path/to/img.tif', 0)
img, background = subtract_background_rolling_ball(img, 30, light_background=True, use_paraboloid=False, do_presmooth=True)

【参考方案5】：

ImageJ 实现的原始算法来自 1983 年的一篇论文https://www.computer.org/csdl/magazine/co/1983/01/01654163/13rRUwwJWBB。我看了看，它实际上是一个带有球形灰度结构元素的灰度形态白色礼帽（见https://en.wikipedia.org/wiki/Top-hat_transform）。在 ImageJ 实现中（可在此处获得 https://imagej.nih.gov/ij/developer/source/ij/plugin/filter/BackgroundSubtracter.java.html），根据结构元素的半径对图像进行下采样，然后上采样到原始分辨率，默认情况下，在计算背景之前应用使用 3x3 均值滤波器的平滑操作减去。这可能解释了使用 Xenthor 提出的方法观察到的差异。

如果您在 Android 上工作，您有几个选择： 1) 使用 ImageJ 库，因为它是在 Java 中的，但是您需要实现一个 OpenCV-ImageJ 图像桥； 2) 如果您使用 Android NDK 在 C++ 中工作，并且由于 OpenCV 没有为非平面结构元素实现灰度形态，您可以使用 ITK (https://itk.org/) 代替执行灰度白色礼帽； 3) 仍在使用 NDK，这里有一个基于 OpenCV 的 C++ 算法端口：https://github.com/folterj/BioImageOperation/tree/master/BioImageOperation，但它仍在进行中。

【参考方案6】：

现在有一个implementation in scikit-image

from skimage import data, restoration

image = data.coins()
background = restoration.rolling_ball(image)
result = image - background

documentation 中提供了更详细的演练