问题描述
最近，我一直在尝试高效可靠地检测灰度图像中的smd组件，但有一些麻烦。
这个想法很简单，应该检测每个组件及其轮廓。 因此，我的想法使我开始进行阈值化和实例分割。
到目前为止，我已经尝试过：
- 全局阈值（Otsu，直方图分析等）
- 自适应阈值
- 模板匹配
但是，所有这些方法在精度方面都非常嘈杂，这意味着组件之间并不是很可靠地相互分离。
我还尝试了一些深度学习（Masked R-CNN）分割实例，但没有成功，因为组件非常小（在卷积过程中会丢失） 此外，与平铺方法结合使用时，效果也不佳。
值得一提的是，组件的大小可能会有所不同，并且我有大量的数据样本可用于学习方法，但是我在利用它方面有些挣扎。
如您在图像中所见，组件本身往往只有几个像素大。.
我正在为我的应用程序使用OpenCV和Tensorflow2。 如果您有什么想法或方法可以尝试，我很期待。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）