Сегментація напівпрозорого матеріалу, наприклад скла


11

Я повністю застряг у питанні щодо сегментації скляних предметів. Мені потрібно отримати об'єкт якомога точніше. Мої підходи були різними. Спочатку я спробував видалити фон, щоб залишилися лише деякі гострі контури. Але це працює лише для об'єктів, які мають гострі краї / градієнти. Інакше сам об’єкт також видаляється. Я розмістив два різних зображення.

зображення 1 зображення 2

Я намагався видалити фон за допомогою морфологічних операцій, таких як розширення сірого масштабу та поділ на ньому. але це не дуже допомогло. після цього я спробував k-засіб з k = 3 для отримання модифікованого фону, відокремленого від сірого та чорного значень скла. У деяких випадках це не було успішним, але не в цілому / в середньому. Я також намагався здійснити розпізнавання ребер із загальним затупленим фільтром, але це призводить до слабших результатів у вигляді відкритих контурів, багато шуму тощо. Pp.

Кенні з автоматичними пороговими результатами:

testimg = imread('http://i.imgur.com/huQVt.png');  
imshow(testimg)
imedges = edge(testimg,'canny');
imshow(imedges);

Те саме стосується і другого зображення.

вихідний №1 вихідний №2

Як бачите, усередині і зовні шумить багато шуму і подвійні краї від облямівки голосу. Навіть є зазори в краях.

Отже, мені потрібні ваші поради щодо загального підходу до вирішення цієї проблеми напівпрозорих матеріалів, а не лише для цих двох зображень.

1) Інші ідеї щодо видалення фону без пошкодження об'єкта?

2) Інші методи сегментації для виділення об'єкта від фону?

Якщо це можливо, то з підказками Matlab, IPT або статистичних інструментів. Будь-які інші підказки також вітаються!

Дякую за відповідь заздалегідь. З повагою


Чи фон завжди однаковий?
ендоліт

майже, відрізняється трохи темніше / яскравіше.
mchlfchr

1
Ну віднімання фону з кожного зображення буде відштовхуватися, що робить його більш рівномірним: imgur.com/9WhcB
ендоліти

1
Що ви маєте на увазі? У вас є зображення фону без жодного скла?
ендоліт

1
@DennisJaheruddin Я знаю, що край НЕ чорна лінія. Край визначається як зміна інтенсивності / частоти, що означає, що значення сірого кольору змінюються більш-менш швидко. Тим не менш, як ви можете бачити поза контекстом, метод Кенні тут не стане зброєю вибору, тому що на тлі я отримаю багато шуму (з Кенні). І я не можу передбачити автоматичний поріг / сигма. Тому мені потрібен метод, який усуває тло, але не сам об'єкт.
mchlfchr

Відповіді:


3

Чому б просто не використати простий 2D FFT (гаасійський) високошвидкісний провідник?

Я зробив це справді швидко за допомогою MATLAB

Осколок №1 за допомогою високопрохідного FFT:

http://i47.tinypic.com/rbjxnd.jpg

Те ж саме робиться і на №2.

Осколок №2 за допомогою високопрохідного FFT:

http://i45.tinypic.com/209kms0.jpg

Як бачите, область фону та скла витирається, а лише по краях простежуються. Я не витрачав на це жодного часу, але ви можете поріг фільтрувати вихід HP, щоб мати більш чіткі краї, або натиснути HP вирізати вище.

Це більше результатів, які ви хочете отримати?


1

Це не спроба відповісти на все запитання, але я маю уявлення про "очищення зображення" .

Ви сказали, що вже пробували морфологічні операції , і це варіація ідеї, сподіваюся, оновлення.

Ця стаття: А. Вічик, Р. Кешет, Д. Малах: Самодвійна морфологія деревних напіврешеток та застосувань пропонує спосіб посилити класичні морфологічні оператори таким чином, щоб вони могли додати їм більше бажаних властивостей.

У статті пропонується вибрати ієрархічне подання зображення відповідно до бажаних властивостей, а потім пропонується метод визначення таких операторів , як ерозія, дилатація, відкриття, верхня шапка на цьому зображенні . Своїми словами:

Ми представили загальну основу для створення нових морфологічних операторів (...)

Я пояснив ці ієрархічні, деревоподібні структури у другій частині цієї відповіді ( семантичні підходи ) , до якої можна додати дерево екстремальних вод, згадане в статті, яку я тут (і знову) пов'язував .

Це модернізація (цитуючи авторів) "традиційної математичної морфології в градаціях сірого", оскільки операції зберігають бажані властивості уявлень . Наприклад , якщо ваше ієрархічне уявлення самодвоїстих, ваші оператори будуть дійсно самодуальни (наприклад порівняти з квазі -самосопряженним подвійним відкриття-закриття з реконструкції , яка не є дійсно самодуально.)

Зв'язана стаття також дає деякі результати відфільтрування шуму - ви можете порівняти їх результати зі статті (і з тези, на яку посилається в статті), до того, що вам потрібно (принаймні візуально), і побачити, чи буде він працювати для вас перед початком кодувати.

Тож, вибираючи найпростіше представлення (max- / min-) дерево, дасть саме класичні операції, вибираючи дерево, яке найкраще відповідає вашим потребам, може дати вам достатньо надійний підхід.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.