Objekte zählen und finden

Ein Programm zählt Objekte in einem Bild, indem es in einer Maske zusammenhängende Bereiche sucht. Jede Gruppe von Pixeln, die sich berührt, ist ein Objekt. Das Verfahren heißt Labeling, deutsch Beschriften.

So zählt man Münzen, Zellen unter dem Mikroskop oder Pakete auf einem Band. Dazu kommt das Suchen eines Bildstücks im Bild.

Zwei Pixel berühren sich, wenn sie Nachbarn sind. Bei 4 Nachbarn zählen nur oben, unten, links und rechts. Bei 8 Nachbarn zählen auch die vier Ecken.

Das gilt für jede Zählung. Zwei Pixel, die sich nur an einer Ecke berühren, sind bei 8 Nachbarn ein Bereich und bei 4 Nachbarn zwei Bereiche.

Die Bibliothek scikit-image beschriftet mit measure.label. Ohne weitere Angabe nutzt sie 8 Nachbarn. Mit connectivity=1 nutzt sie 4.

Der Befehl beschriftet ein Gitter mit zwei Einsen, die sich nur an einer Ecke berühren, und zählt die Bereiche mit beiden Einstellungen. Er gibt 1 2 aus: erst 8, dann 4 Nachbarn.

docker exec jupyter python3 -c "import numpy as np; from skimage import measure; g = np.array([[1, 0], [0, 1]]); print(measure.label(g).max(), measure.label(g, connectivity=1).max())"

# Ein kleines Gitter: 1 ist Objekt, 0 ist Hintergrund.
gitter = [
    [1, 1, 0, 0],
    [0, 0, 1, 0],
    [0, 0, 1, 1],
]
# Zähle die Einsen, die Stück für Stück zusammenhängen (4 Nachbarn).
besucht = [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]
anzahl = 0
for z in range(3):
    for s in range(4):
        if gitter[z][s] == 1 and besucht[z][s] == 0:
            anzahl = anzahl + 1
            stapel = [[z, s]]
            besucht[z][s] = 1
            while len(stapel) > 0:
                stelle = stapel.pop()
                for nachbar in [[-1, 0], [1, 0], [0, -1], [0, 1]]:
                    zz = stelle[0] + nachbar[0]
                    ss = stelle[1] + nachbar[1]
                    if 0 <= zz < 3 and 0 <= ss < 4:
                        if gitter[zz][ss] == 1 and besucht[zz][ss] == 0:
                            besucht[zz][ss] = 1
                            stapel.append([zz, ss])
print("Bereiche:", anzahl)
# Die Einsen bei Zeile 0, Spalte 1 und Zeile 1, Spalte 2 berühren sich nur an der Ecke.

Das Skript gibt englische Wörter aus: objects found heißt gefundene Objekte, areas in pixels Flächen in Pixeln. Es schneidet das Münzbild mit der Schwelle 100 zu einer Maske und beschriftet sie.

Es findet 9 Objekte, genau die neun Münzen. Die Flächen kommen in drei Größen: dreimal 657, dreimal 1313 und dreimal 2553 Pixel. Die Münzen berühren sich nicht, daher ändert sich die Zahl bei 4 Nachbarn nicht.

docker exec jupyter python3 steps/count.py

Template Matching schiebt ein kleines Bild, die Vorlage, über das große und rechnet an jeder Stelle eine Bewertung. Eine Bewertung von 1 heißt: genau gleich.

Das Skript find.py schneidet ein Stück von 40 mal 40 Pixeln bei 30, 30 aus dem Münzbild und sucht es wieder. Es findet es bei 30 30 mit der Bewertung 1,0. Das ist kein Wunder, denn das Stück stammt aus demselben Bild. Bei einem anderen Foto läge die Bewertung unter 1.

docker exec jupyter python3 steps/find.py