opencv对堆积圆柱管道识别(分水岭算法)

分水岭算法在opencv中算是比较重要的算法，主要是对图像的分割和提取，能够对认为是同一区域的部分分割出来，特别是针对一些图像中所要提取的特征相互接触，用普通的阈值分割很难划分出来。(代码学习：贾志刚老师)

    这次实验对象是堆积的管道，如图所示下图所示(从网上找的)：

本次主要针对这些圆管的横截面中每个圆孔的识别与定位，在此过程中也遇到了问题，也请各位同仁帮忙指正。

import cv2
import numpy as np

def watershed_demo():
    print(src.shape)
    #这个函数严格来说并不是图像的分割，而是图像在色彩层面的平滑滤波，它可以中和色彩分布相近的颜色，平滑色彩细节，侵蚀掉面积较小的颜色区域
    blurred = cv2.pyrMeanShiftFiltering(src,10,100) 
    #图像灰度
    gray=cv2.cvtColor(blurred,cv2.COLOR_BGR2GRAY)
    #二值化
    ret,bindary = cv2.threshold(gray,23,255,cv2.THRESH_BINARY_INV)
    cv2.imshow('bindary_image',bindary)
    #3*3的矩形内核
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))
    #6次开操作去除噪点小块
    mb=cv2.morphologyEx(bindary,cv2.MORPH_OPEN,kernel,iterations=6)
    #3次膨胀操作，是原始图像-确定背景
    sure_bg=cv2.dilate(mb,kernel,iterations=3)
    cv2.imshow('mor_opt',sure_bg)
    #距离变换函数，用于计算前景对象的中心，获取前景图像（前景子图像相互连接）
    dist=cv2.distanceTransform(mb,cv2.DIST_L2,3)     #最后一个值掩膜尺寸，若前面的是DIST_L1或DIST_C时，强制为3
    #归一化，将图像相同的归为一个类别
    dist_output=cv2.normalize(dist,0,10,cv2.NORM_MINMAX)
    #*30是为了增加亮度
    cv2.imshow('distance_t',dist_output*30)
    #cv2.imshow('distance_t',dist)
    #确定前景，前景对象的中心
    ret,surface = cv2.threshold(dist,dist.max()*0.6,255,cv2.THRESH_BINARY)
    cv2.imshow('surface_bin',surface)
    #存储图像类型
    surface_fg=np.uint8(surface)
    #cv2.imshow('surface_fg',surface_fg)
    #背景图像减去前景图像（未知图像来自于：原图像-确定背景-确定前景）
    unknown = cv2.subtract(sure_bg,surface_fg)
    #确定前景图像后，使用函数对其进行标注，背景标注为0，其他对象从1开始标注
    ret,markers=cv2.connectedComponents(surface_fg)
    print(ret)
    #分水岭算法的原因，标注为0时代表未知区域，所以我们要在原来标注的基础上每一个加1
    markers=markers+1
    #对原图像中的未知区域标注为0,代表未知区域
    markers[unknown==255]=0
    #分水岭算法进行图像分割
    markers=cv2.watershed(src,markers=markers)
    #原图中以绿色线条画出
    src[markers==-1]=[0,255,0]
    cv2.imshow('result',src)

src=cv2.imread(r'C:/Users/X/Desktop/guan.jpg')
cv2.imshow('origin',src)
watershed_demo()
cv2.waitKey()
cv2.destroyAllWindows()

问题如图所示，能识别的圆只能是黑色圆部分，边上有侧光的地方没能识别出来，至今没有解决方案！(代码标注如有错误，还望海涵！)