xóa độ dốc của hình ảnh mà không có hình ảnh so sánh

Question

hiện tại tôi đang gặp nhiều khó khăn khi nghĩ đến phương pháp loại bỏ độ dốc khỏi hình ảnh tôi nhận được.

Hình ảnh là hình ảnh được chụp bằng máy ảnh kính hiển vi có ánh sáng chói ở giữa. Hình ảnh có hình mẫu xuyên suốt hình ảnh. Tuy nhiên tôi phải loại bỏ ánh sáng chói trên hình ảnh được tạo ra bởi ánh sáng camera.

Thật không may do tính chất của máy ảnh, bạn không thể chụp ảnh trên nền đen bằng ánh sáng để tìm phân phối gradient. Tôi cũng không có một hình ảnh so sánh mà không có gradient. (lưu ý- vị trí của ánh sáng chói sẽ luôn luôn là nhất quán khi ảnh được chụp)

Nói một cách dễ dàng hơn, giống như có ảnh với đèn flash trong đó nhưng tôi muốn loại bỏ flash. Vấn đề duy nhất là tôi không có cách nào để có được hình ảnh mà không có đèn flash để so sánh hoặc thậm chí có được một hình ảnh màu đen chỉ với đèn flash trên đó.

Suy nghĩ hiện tại của tôi là tiến hành dò ​​tìm cạnh và lấy mẫu ở các vị trí cụ thể cách xa các cạnh (do sự khác biệt về màu sắc) và sử dụng nó để đo độ phân bố của gradient vì các khu vực đó có màu tương đối giống nhau. Tuy nhiên tôi đã tự hỏi nếu có một cách dễ dàng hơn và tốt hơn để làm điều này.

Nếu cần, tôi sẽ đăng ví dụ về hình ảnh sau.

Hiện tại tôi có một cách thích hợp để giải quyết điều này trong C++ bằng cách sử dụng opencv nếu điều đó giúp bạn dễ dàng hơn.

cảm ơn trước vì bất kỳ ý tưởng có thể cho vấn đề này. Nếu có một liên kết, hướng dẫn, hoặc bài có thể giải quyết vấn đề của tôi, tôi sẽ đánh giá rất cao bài viết.

như bạn có thể nói đó là một thats ánh sáng được shinned trên img như bạn có thể nói từ đốm trắng. và đầu là nhẹ hơn so với bottome do ánh sáng màu bên trong hình bầu dục là thực sự khác nhau khi hình ảnh được chụp bằng màu sắc. Tuy nhiên, màu sắc giữa hộp và hình bầu dục phải là chất kết dính. Ý tưởng ban đầu của tôi là có lẽ mẫu chỉ những khu vực một số cách và xây dựng một hồ sơ mà tôi có thể sử dụng để loại bỏ ánh sáng, nhưng tôi không chắc chắn có hiệu quả như thế nào mà có thể hoặc nếu có một cách tốt hơn

EDIT:

Vâng, tôi đã thử đề xuất của Roger và kết quả là cực kỳ tốt. Sử dụng 110 hạt nhân gaussian blurr để tìm ánh sáng và tiến hành CLAHE trên đó. (cả hai được thực hiện trong opencv)

Tuy nhiên, số liệu của tôi nói với tôi rằng hình ảnh không đồng nhất và chỉ ra xung quanh khu vực có ánh sáng sáng hơn một chút. Ông đề nghị thử một vùng chọn mờ gaussian blur nơi các khu vực phía trên các giá trị ngưỡng điểm nhất định không bị mờ trong khi phần còn lại của hình ảnh bị mờ.

Có ai có ý kiến ​​về vấn đề này và có lẽ là liên kết, hướng dẫn hoặc ví dụ về điều gì đó như thế này đang được thực hiện không?Hầu hết những điều tôi thấy có xu hướng chọn lọc mờ cho các chương trình như photoshop và gimp

EDIT2:

rất khó để nói chỉ với đôi mắt nhưng tôi tin rằng tôi đã đạt được tương đối gần thống nhất bằng cách sử dụng thuật toán lắp ghép mặt phẳng đơn giản ((- A * x - B * y)/C) (x, y, z) trong đó z là giá trị pixel. Tôi nghĩ rằng điều này có thể được cải thiện bằng cách sử dụng có lẽ một chức năng phù hợp sin? tôi không chắc chắn. Nhưng tôi khá hài lòng với kết quả. Rất cám ơn Roger vì những ý tưởng tuyệt vời.

Tôi tin rằng sử dụng một loạt ảnh và nhận được avg sẽ là một phương pháp tốt khác (được gợi ý bởi roger) nhưng Unofruntely tôi không thể thực hiện điều này vì tôi không được cung cấp nhiều hình ảnh và máy đang được sửa đổi vì vậy tôi không thể sử dụng nó.

Answer 1

Tôi đã thực hiện một số công việc trong lĩnh vực này trước đó và thấy rằng một hạt nhân Gauss mờ lớn có thể tạo ra một xấp xỉ hợp lý cho nền chiếu sáng. Tôi sẽ cố gắng lấy một cái gì đó làm việc trên hình ảnh ví dụ của bạn, nhưng trong thời gian chờ đợi, đây là một ví dụ về hình ảnh của bạn sau khi Gaussian blur với bán kính 50 pixel, có thể giúp bạn quyết định xem nó có đáng để tiến hành hay không.

CẬP NHẬT

Chỉ cần chơi với hình ảnh này, bạn thực sự có thể nhận được một sự cải thiện hợp lý sử dụng adaptive histogram cân bằng (tôi đã sử dụng CLAHE) - xem so sánh dưới đây - bất kỳ sử dụng?

Tôi sẽ cập nhật câu trả lời này với nhiều chi tiết hơn khi tôi tiến hành.

Answer 2

Tôi muốn chỉ cho bạn bài báo này: http://www.cs.berkeley.edu/~ravir/dirtylens.pdf, nhưng, theo ý kiến ​​của tôi, không có bất kỳ loại hiệu chỉnh/so sánh hình ảnh nào được thực hiện apriori, rất khó để khai thác sự thật mặt đất từ ​​hình ảnh loe.

Tuy nhiên, nếu bạn đang cố gắng trình bày hình ảnh trừ ống kính lóa, bỏ qua dữ liệu khoa học thực tế đằng sau phần loe, sau đó bạn chuyển sang miền của hình ảnh inpainting. Thuật toán của Criminsi, như được mô tả trong bài báo này: http://research.microsoft.com/pubs/67276/criminisi_tip2004.pdf và được giải thích/đơn giản hóa trong hai liên kết sau: http://cs.brown.edu/courses/csci1950-g/results/final/eboswort/http://www.cc.gatech.edu/~sooraj/inpainting/, sẽ thực hiện một công việc rất tốt trong việc khôi phục thông tin kết cấu cho các vùng bị bùng lên. (Nếu bạn thực sự muốn theo đuổi phương pháp này, hãy đề cập đến điều đó. Trợ giúp toàn diện hơn có thể được cung cấp cho điều này).

Tuy nhiên, với thực tế là chúng tôi đang xử lý dữ liệu vi mô, tôi nghi ngờ nếu bạn muốn mất dữ liệu khoa học có trong một khu vực cụ thể của hình ảnh. Trong trường hợp đó, tôi thực sự nghĩ rằng bạn cần phải tìm một giải pháp để xác định mô hình bùng phát của nguồn sáng/flash w.r.t ống kính bạn đang sử dụng.

Tôi hy vọng một người khác có thể làm sáng tỏ thêm về điều này.