2015-03-18 12 views
5

Do mojej pracy licencjackiej potrzebuję przeanalizować obrazy wykonane w oceanie, aby policzyć i zmierzyć wielkość cząstek wody.Wykrywanie kształtów sześciokątnych w skali szarości lub obrazu binarnego

mój problem: oprócz poszukiwanych cząsteczek wody, obrazy pokazują sześciokątne łatek na całym obrazie w: (! Przykład zdjęciu poniżej) - różne rozmiary - - nie regularny kształt różnych wartościach szarości

Jest oczywiste, że te poprawki sfałszują moją analizę obrazu pod względem wielkości i liczby cząsteczek. Z tego powodu te poprawki muszą zostać wykryte i usunięte w jakiś sposób.

Ponieważ będzie to tylko niewielka część pracy w mojej pracy, nie chcę spędzić dużo czasu w nim i już próbował klasycznych sposobów, takich jak: (ImageJ)

  • gry z progu (powodując również usunięcie potrzebnych cząsteczek wody)
  • analizować obraz zawierający sześciokątne łaty, a następnie sortować największe obszary (sześciokątne łatki mają dość duże obszary, ale nadal będzie dużo położeń)
  • filtry: użycie filtru gaussowskiego na zduplikowanym obrazie i odjęcie kopii od oryginału usuwa wiele łatki (w zmniejszeniu wartości skali szarości), ale także usuwa drobne cząstki poszukiwany wody i tak znowu fałszuje wynik

bardziej skomplikowane i czas rozwiązanie czasochłonne byłoby użyć realizowany bibliotekę na przykład w MATLAB lub OpenCV do wykrywania punktów , które opisują kształty. , ale jak dotąd nie mogłem znaleźć żadnego kodu pasującego do mojego zadania.

Czy ktokolwiek z was stworzył taki kod, który mógłbym wykorzystać do mojego zadania lub innego pomysłu?

croped version of an image

Można zobaczyć wiele sześciokątnych plastrów w różnych głębokościach również. małe cząstki o większej wartości pikseli są cząstkami poszukiwanymi!

+5

Czy możesz przesłać obrazy gdzieś i opublikować link? – gfkri

+0

@gfkri Właściwie z 2 upvotes powinien być w stanie opublikować obrazy teraz. – beaker

+0

w końcu mogę przesłać przycięty obraz do tekstu. – homework

Odpowiedz

0

Przetwarzanie obrazu jest dość zaangażowanym obszarem, więc nie ma sztywnych reguł.

Ale jeśli to byłbym ja "maskował" obraz. Obejmuje to określenie, co chcesz zachować lub usunąć jako pikselową "maskę". Następnie skanujesz maskę po obrazie rekurencyjnie i porównujesz maskę z wybraną częścią obrazu. Następnie wybierasz lub usuwasz sekcję (w zależności od metody), jeśli spełnia ona twoje kryterium. Jednym z takich przykładów kryteriów jest błąd przestrzenny i skali szarości ważony względem funkcji wiarygodności (np. Chi-kwadrat, średni błąd kwadratowy itp.) Lub rozkład normalny, który definiuje się jako niepewność.

Część żywności dla myśli

Powiązane problemy