Phân đoạn hình ảnh màu xám

Question

tôi đang gặp khó khăn để đạt được các phân khúc đúng đắn về một hình ảnh màu xám:

Sự thật mặt đất, tức là những gì tôi muốn các phân khúc để trông giống như, là thế này:

Tôi quan tâm nhất đến ba thành phần trong vòng kết nối. Vì vậy, như bạn có thể thấy, tôi muốn phân đoạn hình ảnh hàng đầu thành ba thành phần: hai hình bán nguyệt và hình chữ nhật giữa chúng.

Tôi đã thử các kết hợp khác nhau về giãn nở, xói mòn và tái tạo, cũng như các thuật toán phân cụm khác nhau, bao gồm k-means, isodata và hỗn hợp gaussians - tất cả đều có mức độ thành công khác nhau.

Mọi đề xuất sẽ được đánh giá cao.

Chỉnh sửa: đây là kết quả tốt nhất mà tôi có thể nhận được. Điều này đã được thu được sử dụng một đường viền tích cực vào phân khúc thu nhập từ đầu tròn, và sau đó áp dụng phân nhóm ISODATA:

Có hai vấn đề với điều này:

• Quầng sáng trắng xung quanh cụm phía dưới bên phải , thuộc cụm trên cùng bên trái
• Quầng xám xung quanh cụm trên cùng bên phải và dưới cùng bên trái, thuộc cụm trung tâm.

Answer 1

Đây là bộ khởi động ... sử dụng circular Hough transform để tìm phần hình tròn. Đối với điều đó tôi ban đầu threshold the image locally.

im=rgb2gray(imread('Ly7C8.png')); 
imbw = thresholdLocally(im,[2 2]); % thresold localy with a 2x2 window 
% preparing to find the circle 
props = regionprops(imbw,'Area','PixelIdxList','MajorAxisLength','MinorAxisLength'); 
[~,indexOfMax] = max([props.Area]); 
approximateRadius = props(indexOfMax).MajorAxisLength/2; 
radius=round(approximateRadius);%-1:approximateRadius+1); 
%find the circle using Hough trans. 
h = circle_hough(edge(imbw), radius,'same'); 
[~,maxIndex] = max(h(:)); 
[i,j,k] = ind2sub(size(h), maxIndex); 
center.x = j;  center.y = i; 

figure;imagesc(im);imellipse(gca,[center.x-radius center.y-radius 2*radius 2*radius]); 
title('Finding the circle using Hough Trans.'); 

chỉ chọn những gì bên trong vòng tròn:

[y,x] = meshgrid(1:size(im,2),1:size(im,1)); 
z = (x-j).^2+(y-i).^2; 
f = (z<=radius^2); 
im=im.*uint8(f); 

EDIT:

nhìn kiếm một nơi để bắt đầu ngưỡng hình ảnh để phân khúc nó bằng cách nhìn vào biểu đồ, tìm kiếm giá trị cực đại địa phương đầu tiên và lặp lại từ đó cho đến khi tìm thấy 2 phân đoạn riêng biệt, sử dụng bwlabel:

p=hist(im(im>0),1:255); 
    p=smooth(p,5); 
    [pks,locs] = findpeaks(p); 

    bw=bwlabel(im>locs(1)); 
    i=0; 
    while numel(unique(bw))<3 
    bw=bwlabel(im>locs(1)+i); 
    i=i+1; 
    end 


imagesc(bw); 

Phần giữa bây giờ có thể thu được bằng cách lấy ra hai phần dán nhãn từ vòng tròn, và những gì còn lại sẽ là phần giữa (+ một số quầng)

bw2=(bw<1.*f); 

nhưng sau khi một số bộ lọc trung bình chúng ta có được một cái gì đó reasonble hơn

bw2= medfilt2(medfilt2(bw2)); 

và cùng nhau chúng ta nhận được:

imagesc(bw+3*bw2); 

Phần cuối cùng là một thực tế "nhanh chóng và dơ bẩn", tôi chắc chắn rằng với các công cụ bạn đã sử dụng bạn sẽ nhận được kết quả tốt hơn ...

Answer 2

Bạn cũng có thể nhận được kết quả gần đúng bằng cách sử dụng watershed transformation. Đây là bước ngoặt vào hình ảnh đảo ngược -> lưu vực sông (255-I) Dưới đây là một kết quả ví dụ:

Một phương pháp đơn giản là để thực hiện một đóng hình thái vào hình ảnh ban đầu với một yếu tố đĩa cơ cấu (người ta có thể thực hiện đóng cửa nhiều lần cho granulometries) và sau đó có được vòng tròn đầy đủ. Sau khi giải nén vòng tròn này và các thành phần withing dễ dàng hơn.

se = strel('disk',3); 
Iclo = imclose(I, se);% This closes open circular cells. 
Ithresh = Iclo>170;% one can locate this threshold automatically by histogram modes (if you know apriori your cell structure.) 
Icircle = bwareaopen(Ithresh, 50); %to remove small noise components in the bg 

Ithresh2 = I>185; % This again needs a simple histogram.