如果阴影不是问题
给定此二进制图像，您可以在mahotas中标记图像（http://mahotas.readthedocs.org/en/latest/labeled.html）。您还可以使用skimage.morphology（如注释中所述使用ndlabel）。
http://scikit-
image.org/docs/dev/auto_examples/plot_label.html
这些是连接组件算法的示例，并且在任何常规图像处理包中都是标准的。ImageJ也使这一过程变得非常简单。
如果阴影有问题
Otsu阈值返回一个值：像素亮度，而您要做的就是保持所有比该阈值更暗的像素。这种方法正被您的阴影所绊倒，因此您需要尝试另一种分割算法，最好是进行局部分割的算法（即，它分别分割图像的小区域）。
自适应方法或局部方法不存在此问题，并且非常适合图像的阴影：
http://scikit-
image.org/docs/dev/auto_examples/plot_threshold_adaptive.html#example-plot-
threshold-adaptive-py
在mahotas中应该有其他分割方法，但是我只对scikit-
image有所了解。如果您想对细分进行认真的概述，请查看以下文章：https :
//peerj.com/preprints/671/
完全公开，这是我的论文。
