灰度圖像中如何提取模糊邊緣，進行精確計數？

01-09

以下面這幅小圖像為例
人眼可以看出圖中有5條桿菌，但是由於拍攝問題中間幾條細菌比較「黑」，所以二值化之後是這樣

想用邊緣檢測提取進行計數，但是邊緣連續性很差
所以有什麼辦法能準確的計數，並且標示出每個細菌佔據的像素嗎？

這種模糊邊緣不能用edge detection，應該用matting的方法。比如著名的Poisson Matting。

https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/poissonmatting_siggraph04.pdf

如果重點在於計數的化，可以使用形態學的方法處理。利用膨脹腐蝕提取目標區域，然後連通區域分析數目。

對灰度圖像的降噪和二值化之後的填充、連通處理應該是必須的，不然這樣直接去檢測識別效果不好是肯定的，要根據實際情況考慮考慮哪些地方需要加入什麼樣的處理過程。高級的準確的多的方法也有，但是個人感覺搞個這課題去用深度學習啥的有點大材小用，過於複雜。

用matlab做過圖像處理

提供幾個函數做參考

imfill 填充操作

imclose 閉運算

bwlabel 標記連通區域

regionprops 求連通區域屬性（中心、面積、長寬、周長等等）

可以試一下亞像素，不過感覺效果也不會很好。。

用Unet最合適了

我覺得可以先用 gaussian blur 試試sharpen 那些edge

用imagej試試？如果分離比較開的話用imagej先做segmentation，然後particle analyzer可以達到你的要求。如果重合大的話就不好弄了，理論上當然可以手工分割……但成千上萬就不現實了。

剛回去看了以前做過的（不是做細胞/微生物的）東西，或許可以用imagej（or Fiji)下載這個軟體的ITCN plugin試試。

另外有econgnition 的話可以更好的滿足你的要求，就是上手複雜些，並且收費。