はじめに
"Contact Analysis"を用いて物質溶解過程を解析する方法について紹介します。
実装にはPython3のOpenCV4を用いております。
(OpenCV3ではエラーが起きる可能性があります）
本稿では、牛乳にインスタントコーヒーを溶かす過程を解析します。
より実用に近い解析は以下の論文を参照してください。
- H. Barrington et.al., Org. Process Res. Dev. 2022, 26, 11, 3073–3088. DOI
大まかな流れ
- 閾値を決めて画像を2値化
- 白黒二つの領域の境界面の割合を算出
Pythonコード
流れ
## インポート
import cv2
import matplotlib.pyplot as plt
## 画像の読み込み
filepath = "./demo/coffee1.png"
img = cv2.imread(filepath, 0) #グレースケールで読み込み
## 可視化
plt.imshow(img)
plt.show()
## 閾値を決めて2値化
threshold = 100
bi_img = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)[1]
## 可視化
plt.imshow(bi_img)
plt.show()
## 輪郭検出
cnts = cv2.findContours(bi_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
## 周囲長の取得
perimeters = [cv2.arcLength(cnt, True) for cnt in cnts]
## 可視化
plt.hist(perimeters)
plt.show()
## 画像サイズあたりの合計周囲長の算出
perimeter_percent = 100 * sum(perimeters) / (bi_img.shape[0]*bi_img.shape[1])
print(perimeter_percent)
クラスの実装
import cv2
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import os
class Perimeter_per_thereshold():
def __init__(self):
pass
def get_perimeter_ratio(self, img, threshold):
"""
Parameters
----------
img: グレースケール画像. numpy.ndarray
threshold: 閾値. int
Returns
-------
perimeter_ratio: 割合. int
"""
## 2値化
bi_img = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)[1]
## 輪郭検出
cnts = cv2.findContours(bi_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
## 周囲長の取得
perimeters = [cv2.arcLength(cnt, True) for cnt in cnts]
## 周囲長の割合
perimeter_percent = 100 * sum(perimeters) / (bi_img.shape[0]*bi_img.shape[1])
return perimeter_percent
def scan_threshold(self, img, threshold_list = np.arange(10, 250, 10)):
"""
Parameters
----------
img: グレースケール画像. numpy.ndarray
threshold_list: 2値化の閾値を格納したリスト. list
Returns
-------
perimeter_percent_list: 周囲長の割合を格納したリスト. list
"""
## 周囲長の割合を取得
perimeter_percent_list = [self.get_perimeter_ratio(img, threshold) for threshold in threshold_list]
## 割合が最大となる閾値で画像を2値化
max_idx = perimeter_percent_list.index(max(perimeter_percent_list))
max_threshold = threshold_list[max_idx]
max_bi_img = cv2.threshold(img, max_threshold, 255, cv2.THRESH_BINARY)[1]
return perimeter_percent_list, max_bi_img
def scan_filepaths(self, filepaths, threshold_list=np.arange(10, 250, 10)):
"""
Parameters
----------
filepaths: 画像のファイルパスリスト. list
threshold_list: 2値化の閾値を格納したリスト. list
Returns
-------
sum_df: 結果を集約した表. DataFrame
max_bi_img_list: 周囲長が最大となる2値画像のリスト. list
"""
sum_df = pd.DataFrame()
max_bi_img_list = []
for filepath in filepaths:
## 画像の読み込み
img = cv2.imread(filepath, 0)
## 周囲長の割合、割合が最大になる2値画像
perimeter_percent_list, bi_img = self.scan_threshold(img, threshold_list)
## ファイル名、閾値とともにDataFrameに格納
filename = os.path.splitext(os.path.basename(filepath))[0]
df = pd.DataFrame([threshold_list, perimeter_percent_list], index=["threshold", "arcLen_%"]).T
df.index = [filename]*len(df)
## 結合
sum_df = pd.concat([sum_df, df], axis=0)
## 2値画像を格納
max_bi_img_list.append(bi_img)
return sum_df, max_bi_img_list
クラスの実行と画像間の比較
## ファイルパスリストの取得
filepaths = glob.glob("./demo/coffee*.png")
## 解析実行
scan_obj = Perimeter_per_thereshold()
sum_df, max_bi_img_list = scan_obj.scan_filepaths(filepaths)
## sum_dfの可視化
import seaborn as sns
fig = plt.figure()
ax = fig.add_subplot()
sns.lineplot(data=scan_df, x="threshold", y="arcLen_%", hue=scan_df.index, ax=ax)
plt.show()
解析結果
元画像
さいごに
インスタントコーヒーが溶解していく過程で、周囲長の割合が減少してく傾向を確認することができました。
また、白い牛乳が次第に茶色く(2値画像では黒)に変化していくことに起因して、ピークトップもシフトしていく様子も確認されました。
より本格的に解析するには、写真に紛れ込んだ影の影響を消すなどの検討が必要となります。