Merhaba CV / Örüntü Tanıma Topluluğu,

Bir görüntünün bölümlere ayrılması konusunda ciddi bir sorunum var. Senaryo, fırın içindeki kafamın delirmesine neden olan bir atmosfer. Ve farklı malzemelerin (cam, seramik, Al, Ir, ..) nesne hatlarını sadece bir özel durum için değil, kısa bir süre içinde (<10 saniye) tespit etmem gerekiyor. Ben de kod için piksel sıralı bir satırda kontur gerekir. Bu nedenle bir zincir kodu veya sınır / kontur takibi de gereklidir, bu nedenle açık delikler iyi değildir. Arka planda, zaman zaman ortaya çıkan yaklaşık toz, parçacıklar veya başka bir şekilde doğrusal olmayan sesler vardır.

Matlab veya OpenCV önerilerini bekliyoruz.

Daha açık hale getirmek için, hedefimin başka bir görüntüsünü ve ayrıca algılanması gereken yarı saydam bir nesne yayınladım. Ayrıca farkında olması gereken diğer örnekler.

Resim # 1'de görebileceğiniz gibi, görüntünün sağ kısmında ve nesnenin olduğu yıldızın dış konturunun yakınında parçacıklar vardır. Ayrıca genel kontrast çok iyi değil. Nesnenin kendisi, kontur tespiti ile ilgili olmayan bir yeraltı üzerinde durur. Resim 2, aynı zamanda mümkün olan yarı yarı saydam bir nesneyi göstermektedir.

Bir sonraki ekranda (kırmızı çizgi) olduğu gibi, o nesnenin çevresini / çevresini bulmak istiyorum. İki dikdörtgen (sarı) başlangıç ​​(sol) ve bitiş noktasını (sağ) işaretler. Mavi çizgi göz ardı edilebilir.

İlk başta o pis atmosferin problemini sadece filtrelerle çözebileceğimi düşündüm. Ancak, onurlu bir yatırım süresinden sonra, ön plan ve arka planın kontrastını arttırmak için gürültüyü önemli ölçüde ortadan kaldırmam veya azaltmam gerektiğini fark ettim. Histogram eşitleme, Otsu uyarlamalı eşitleme, doğrusal filtreler (örn. Gauss), doğrusal olmayan filtreler (medyan, difüzyon), Aktif Kontürler, k-Ortalamalar, Bulanık-c-ortalamalar ve ayrıca Canny gibi birçok yöntem denedim Morfolojik operatörlerle birlikte Kenar Tespiti.

• Canny: Parçacıklar ve atmosfer deliklere neden oluyor, ancak nesnenin tam bir konturuna ihtiyacım var. Yine de morfolojik operatörlerin kapanması, dilatasyonu ile yeterli değildir. Canny, histerezis nedeniyle çalıştığım tüm yöntemlerin en iyi sonuçlarına sahip.
• Aktif Konturlar: Kenarlarda / degradelerde de çalışırlar, nesnenin içinde başlatıldıktan sonra tamamen deli davranırlar, belki de 'açık' nesneyle sonuçlanan kenar haritasından kaynaklanır. Bildiğim kadarıyla kontur kapatılmalıdır. Farklı türevlerle (GVF / VFC / Klasik Yılan) denedim.
• k-Araçlar: Sonuçlar, sisli arkaplan nedeniyle fırın atmosferini içerir. Bulanık-c-araçlar için aynıdır. Nesneyi arka plandan ayırdığı için iki küme seçtim. Daha fazla küme daha zayıf sonuçlara yol açar.
• Histogram / Otsu: Çok yakın gri yoğunluklar (imho!) Nedeniyle, nesneyi arka planla birleştiriyor. Yerel ve küresel yöntemlerle denedim.
• Filtreler: Özellikle GLPF veya diğer LPF kenarları temizliyor, bu da iyi değil ve sisli atmosferi bile azaltmıyor.
• Doğrusal Olmayan Filtreler kenarları korur. Çoğu büyük görüntüleri hesaplamak için çok uzun zaman alıyor. Şimdilik hızlı bir ikili filtre aldı. Sonuçlar aşağıya bakınız.

Bu nedenle, işlem sonrası adımlar için tek bir yöntem yeterince iyi değildir, çünkü nesne segmentinin kazanılan sonuçları mevcut bir algoritma ile rekabet halinde değildir. Mevcut algoritma çok yereldir ve bu nedenle bu çok özel senaryoda işe yarar.

Bu yüzden size soruyorum, eğer bir şeyi tamamen kaçırmış olsaydım ... Boşluk veya delikler olmadan nasıl işleyeceğimi ve nasıl iyi kontur sonuçları elde edeceğime dair başka bir fikrim yok. CCD ve fiziksel çevre? Şimdiden teşekkürler!

Şimdiye Kadar Son Yaklaşım (MO'larla yapılan uzun bir deney gecesinden sonra):

• İki Taraflı Filtre (kenar koruyucusu, ancak homojen alanları yumuşatır)
• Canny (Sigma = 2, Eşik = [0.04 0.08])
• Morfolojik İşlemleri (MO): bwareopen, closing, removevebridge
• bwlabelyalnızca istenmeyen sesleri gideren konturun çevresini seçmek için. henüz güncellenmiş ekran görüntüsü yok, ancak yıldız için çalışıyor. cam, aşağıdaki ekran görüntüsünde de görülebilen, dış konturuna bağlı bir iç konturu kaplar.

Korkarım dış konturun geçişi için özel bir algoritmaya ihtiyacım var. Mahallenin saat yönünde / saatin tersi yönünde bir arama olacaktır. Bir köşe noktası varsa, saat yönünde / saatin tersi yönünde geçiş yapılabilir. bir boşluk varsa, yarıçapı artırın ve tekrar bakın. iki veya daha fazla olası takip noktası varsa, öncekiyle aynı yöne sahip olanı kullanın. Sizce, bu kontur takip algoritması mantıklı mı?

Aşağıdakileri deneyebilirsiniz:

• Verimli Grafik Tabanlı Görüntü Bölümleme: http://www.cs.brown.edu/~pff/segment/ (kod mevcut)

• GraphCut Tabanlı Segmentasyon: http://www.csd.uwo.ca/~olga/OldCode.html (kod mevcut)

• Görüntüyü önce seyrek yöntemler kullanarak engelleyin: http://spams-devel.gforge.inria.fr/ (kod mevcut)

Bence eşik tekniklerinden çok erken vazgeçtiniz. Histogramınıza bir göz atın, açıkça üç yönlüdür: (Resminizin sağındaki beyaz sütunları manuel olarak kaldırdım, bunların görüntünün bir parçası olmadığını varsayalım - lütfen kodumu çalıştırmadan önce bu resmi alın )

İlk gruptaki tüm değerlere bir göz atın:

Üç modlu histogramda modları bulmak için yoğunluğa sahip K-ortalama kümelemesi kullanmak mümkündür K=3. Kodunuzda aşağıdaki Matlab kodu th1=67bulunur. Fikir, 3 setiniz olduğunu varsaymak ve her birinde ağırlıklı centroidi hesaplamaktır. Daha sonra, her yoğunluk seviyesi kendi kümesine atanır. Ağırlıklı sentroidler hareket etmeyi bıraktığında durursunuz. İşte görüntünüzde, histogramda gösterilen iki eşik bulmanın sonucudur.

function [th1,th2]=SegmentHistTo3()
    im = imread('http://i.stack.imgur.com/U2sc5.png');
    h = imhist(im(:,:,1)); %# Calculate histogram

    th1new = round(256/3); %# Initial thresholds
    th2new = round(256*2/3);
    th1 = 0;
    th2 = 0;

    while (th1~=th1new) || (th2~=th2new) %# While the centroids keep on moving
        th1 = th1new;
        th2 = th2new;

        wa1 = WeightedAverage(h,1,th1);  %# Calculate 3 weighted averages
        wa2 = WeightedAverage(h,th1+1,th2);
        wa3 = WeightedAverage(h,th2,numel(h));

        th1new = round( (wa1+wa2)/2 );  %# The thresholds are middle points between the averages
        th2new = round( (wa2+wa3)/2 );
    end

    figure; hist( double( reshape(im(:,:,1),1,[]) ),256);
    hold on;
    plot( [th1 th1],[0 max(h)],'r','LineWidth',2);
    plot( [th2 th2],[0 max(h)],'r','LineWidth',2);

    figure;imshow( im(:,:,1)<th1);
end

function wa = WeightedAverage(region,th1,th2)    
    regionNonEmpty(th1:th2) = region(th1:th2);
    wa = sum( regionNonEmpty .* (1:numel(regionNonEmpty))) / sum(regionNonEmpty);    
end

Sorunu daha sonra çözmek bir parça kek, sadece açmak gibi basit morfolojik işlemler yapın.

Yukarıda önerildiği gibi, eşikleme, esasen ikili olan bu görüntü üzerinde çok etkili olabilir, ancak sabit bir eşik, düzensiz aydınlatma nedeniyle yapılmaz. Uyarlanabilir eşiklemeye ihtiyacınız var.

Benim tavsiyem, hafif bölgelerde az sayıda değer örnekleyerek basit bir modelle (muhtemelen düzlemsel [3 DOF] veya kuadradik [6 DOF]) arka plan rekonstrüksiyonu yapmak olacaktır. En iyisi, gürültüyü ortadan kaldırmak için küçük ROI'leri kullanmaktır. Ardından arka plan değerlerini çıkararak (veya bölerek) gölgelemeyi düzeltin.

İnsan etkileşimi bir seçenek değilse, önce Otsu'yu düzleştirerek ve eşik değerinin altında tekdüze ROI'ları (düşük varyans) düşünerek arka plan alanlarındaki aramayı otomatikleştirebilirsiniz. İlk arka plan rekonstrüksiyonundan sonra, bu işlemi düz düzeltilmiş görüntüye uygulayarak muhtemelen iyileştirebilirsiniz.

Tüm süreç bir saniyenin altında çalışmak için uygulanabilir.

Bence en iyi yol Aktif kontür kullanmaktır. Hangi kontürlerin aktif olduğunu bilmiyorsanız youtube'da bu videoya göz atın http://www.youtube.com/watch?v=ijNe7f3QVdA

Temel olarak, u bir başlangıç ​​segmentasyonu vermek gerekir ve bu şekli artıracaktır. Benim önerim, bu yazı üzerinde tartışılan yöntemlerden birine ve aktif konturları 2. adım olarak kullanmaktır. bir gelişme adımı olarak.

İşte kullanabileceğiniz etkin konturların bir uygulaması http://www.mathworks.com/matlabcentral/fileexchange/19567

Neyle ilgili olduğunuzu açıkça biliyorsunuz, ancak eşiklemeyi kullanarak bahsetmediniz, özellikle doğru seviyeyi hesaplamak için Otsu'yu kullanarak küresel bir eşik uygulamayı, sonra konturları bulmayı ve en büyükünü seçmeyi denediniz mi?

[Açıklığa kavuşturmak için düzenleyin]

Global eşik, görüntüdeki görünür izleyici nedeniyle çalışmaz.

Bununla hızlı bir oyun oynadım ve görüntüyü 6 parçaya ayırırsanız (3 sütun eşit büyüklükte 2 satır), o zaman her birinde Otsu kullanarak eşikleme yapın ve sonra yeniden birleştirin, temizlik yaparken güzel bir tanrı işi yapar görüntüsü.

Yıldızın sağ üst kısmında hala bazı küçük eserler var.

Nesnenin düz çizgi sınırları olduğundan, bu kenarları çıkarmak için bir Hough dönüşümünü düşünmek, köşeleri bulmak ve sonucu nesne konturunuz olarak kullanmak için kesişmek isteyebilirsiniz.

Ana hatlar her zaman düz çizgiler mi yoksa bilinen eğriler mi?

Eğer öyleyse, her bir pikselin kenar boyunca doğru olmasını denemek yerine, çizgilerin denklemlerini almak ve ardından çizgiler ve itnersections dan sayılar yeniden oluşturmak için Hough dönüşümleri kullanırdım