Phát hiện các hình lục giác theo hình ảnh thang độ xám hoặc hình ảnh nhị phân

Question

Đối với luận án cử nhân, tôi cần phân tích hình ảnh chụp trong đại dương để đếm và đo kích thước của các hạt nước.

vấn đề của tôi: bên cạnh những hạt nước mong muốn, hình ảnh hiển thị bản vá lỗi lục giác trên tất cả các hình ảnh trong: (! Ví dụ hình dưới đây) - kích cỡ khác nhau - - không thường xuyên hình giá trị xám khác nhau

Rõ ràng là các bản vá lỗi này sẽ làm sai lệch phân tích hình ảnh của tôi liên quan đến kích thước và số lượng hạt. Vì lý do này các bản vá lỗi này cần phải được phát hiện và xóa bằng cách nào đó.

Vì nó sẽ chỉ là một phần nhỏ của công việc trong luận án của tôi, tôi không muốn dành nhiều thời gian trong đó và đã cố gắng cách cổ điển như: (imageJ)

• chơi với ngưỡng (kết quả cũng xóa các hạt nước mong muốn)
• phân tích hình ảnh bao gồm các bản vá hình lục giác và sau đó sắp xếp các khu vực lớn nhất (các bản vá hình lục giác có các khu vực lớn nhất, nhưng bạn vẫn sẽ có rất nhiều haxagons)
• chơi với bộ lọc: sử dụng bộ lọc gaussian trên một hình ảnh trùng lặp và trừ bản sao khỏi bản gốc xóa nhiều bản vá lỗi (trong việc làm giảm giá trị greyscale) mà còn xóa các hạt nước truy nã ít và do đó một lần nữa đã bóp méo kết quả

một giải pháp tiêu thụ phức tạp và thời gian hơn sẽ sử dụng một thư viện thực hiện trong ví dụ MATLAB hoặc OpenCV để phát hiện điểm , mô tả các hình dạng. nhưng cho đến nay tôi không thể tìm thấy bất kỳ mã nào phù hợp với nhiệm vụ của tôi.

Có ai trong số các bạn đã tạo mã như vậy mà tôi có thể sử dụng cho công việc của mình hoặc bất kỳ ý tưởng nào khác không?

Bạn có thể thấy rất nhiều bản vá lỗi lục giác ở độ sâu khác nhau cũng có. các điểm nhỏ có giá trị pixel lớn hơn là các hạt mong muốn!

Answer 1

Xử lý hình ảnh là một khu vực có liên quan nên không có quy tắc cứng và nhanh.

Nhưng nếu là tôi, tôi sẽ 'Mặt nạ' hình ảnh. Điều này liên quan đến việc xác định những gì bạn muốn giữ hoặc loại bỏ như một 'mặt nạ' pixel. Sau đó, bạn quét mặt nạ qua hình ảnh đệ quy và so sánh mặt nạ với phần hình ảnh đã chọn. Sau đó bạn chọn hoặc loại bỏ phần (tùy thuộc vào phương pháp của bạn) nếu nó đáp ứng tiêu chí của bạn. Một ví dụ như vậy về tiêu chí sẽ là lỗi quy mô không gian và màu xám đối với hàm khả năng (ví dụ: Chi bình phương, sai số trung bình v.v.) hoặc phân phối Bình thường mà bạn xác định độ không đảm bảo.

Một số thực phẩm cho suy nghĩ