显微镜二值图像视觉分割正确但表面覆盖率计算结果不符的问题

我正在处理显微镜图像生成的二值图像，目标是计算细胞堆叠结构的表面覆盖率。图像视觉上能准确呈现这些结构，但像素计数得出的表面覆盖率结果和视觉观察完全不符。

问题详情 #

• 图像为二值图像（像素值为0和1），其中一个值代表细胞堆叠区域，另一个代表背景
• 目视检查二值图像时，细胞分割效果看起来没问题，但通过计数对应像素（0或1）计算覆盖率，结果始终远低于预期

已尝试的解决方法 #

• 通过检查唯一像素值和直方图分析验证二值图像：直方图显示两个峰值，分别接近0和255，确认图像确实是二值图像
• 尝试过自适应阈值、全局阈值和孔洞填充等处理方法，但要么导致像素计数错误，要么无法提升覆盖率计算的准确性
• 直接统计代表细胞堆叠的像素（如0或255），得到的覆盖率百分比依旧低于预期

核心疑问 #

为什么视觉分割正确的二值图像，像素计数得到的表面覆盖率会不准确？怎么才能让计数结果和视觉表现一致？

计算覆盖率的代码片段 #

def calculate_surface_coverage(binary_image, stack_value=0):
    stack_pixel_count = np.sum(binary_image == stack_value)
    total_pixels = binary_image.size
    surface_coverage = (stack_pixel_count / total_pixels) * 100
    return surface_coverage
    
surface_coverage = calculate_surface_coverage(binary_image, stack_value=0)
print(f"Surface Coverage: {surface_coverage:.2f}%")

内容的提问来源于stack exchange，提问作者Felicia