안녕 이력서 / 패턴 인식 커뮤니티,

이미지 분할과 관련하여 심각한 문제가 있습니다. 시나리오는 내 머릿속을 미치게 만드는 용광로 내의 분위기입니다. 그리고 하나의 특수한 경우가 아니라 짧은 시간 (<10 초)으로 다른 재료 (유리, 세라믹, Al, Ir, ..)의 물체 윤곽을 감지해야합니다. 또한 코드에 대해 순차적 인 픽셀 행의 윤곽이 필요합니다. 따라서 체인 코드 또는 소위 경계 / 윤곽선 추적도 필요하므로 열린 구멍이 좋지 않습니다. 백그라운드에는 때때로 나타나는 먼지, 입자 또는 기타 먼지와 같은 비선형 노이즈가 있습니다.

Matlab 또는 OpenCV 제안을 환영합니다.

더 명확하게하기 위해 목표의 또 다른 이미지와 반투명 물체를 게시했습니다.이 이미지도 감지해야합니다. 또한 알아야 할 추가 예입니다.

이미지 # 1에서 볼 수 있듯이 이미지의 오른쪽 부분과 별의 외부 윤곽선 근처에 입자가 있습니다. 또한 전체 대비가 그리 좋지 않습니다. 물체 자체는 지하에 있으며 윤곽 감지와 관련이 없습니다. 이미지 # 2는 반투명 객체를 보여줍니다.

다음 화면 (빨간 선)과 같이 해당 객체의 윤곽 / 둘레를 찾고 싶습니다. 두 개의 직사각형 (노란색)은 시작 (왼쪽)과 끝점 (오른쪽)을 표시합니다. 파란색 선은 무시할 수 없습니다.

처음에는 필터만으로 더러운 분위기의 문제를 해결할 수 있다고 생각했습니다. 그러나 상당한 투자 시간이 지난 후에, 나는 전경과 배경의 대비를 증가시키기 위해 잡음을 크게 줄이거 나 줄여야한다는 것을 깨달았습니다. 히스토그램 이퀄라이제이션, Otsu-adaptive equalization, 선형 필터 (예 : 가우스), 비선형 필터 (중간 값, 확산), 액티브 컨투어, k- 평균, 퍼지 -C- 평균 및 캐니와 같은 많은 방법을 시도했습니다. 형태소 연산자와 결합 된 에지 감지.

• 캐니 : 입자와 대기가 구멍을 일으키고 있지만 물체의 완전한 윤곽이 필요합니다. 여전히 폐쇄, 형태 연산자의 확장으로 충분하지 않습니다. 캐니는 여전히 히스테리시스로 인해 내가 연구 한 모든 방법 중 최상의 결과를 얻었습니다.
• 활성 윤곽 : 가장자리 / 그라디언트에서도 작동하며, 개체 내부를 초기화 한 후 완전히 미쳤습니다. 이는 가장자리 맵이 '개방형'개체를 초래하기 때문일 수 있습니다. 내가 아는 한 윤곽을 닫아야합니다. 다른 파생물 (GVF / VFC / Classic Snake)로 시도했습니다.
• k- 평균 : 안개 배경으로 인해 퍼니스 대기가 결과에 포함됩니다. 퍼지 c 평균도 동일합니다. 객체를 배경에서 분리하기 때문에 두 개의 클러스터를 선택했습니다. 클러스터가 많을수록 결과가 약해집니다.
• 히스토그램 / 오오 츠 : 매우 가까운 회색 강도 (imho!) 때문에 오브젝트를 배경과 병합합니다. 로컬 및 전역 방법으로 시도했습니다.
• 필터 : 특히 GLPF 또는 기타 LPF는 가장자리가 번져서 좋지 않아 안개가 자욱한 분위기를 줄이지 않습니다.
• 비선형 필터는 가장자리를 유지합니다. 큰 이미지를 계산하는 데 시간이 너무 오래 걸립니다. 현재 빠른 양방향 필터를 사용했습니다. 결과는 아래를 참조하십시오.

따라서 객체 세그먼트의 획득 결과가 기존 알고리즘과 경쟁하기 어렵 기 때문에 단일 프로세스로는 후 처리 단계에 충분하지 않습니다. 기존 알고리즘은 매우 로컬이므로이 특별한 시나리오에서 작동합니다.

그래서 만약 당신이 무언가를 완전히 놓쳤다면 당신에게 묻습니다 ... 더 이상 틈이나 구멍없이 가공하는 방법과 어떻게 좋은 윤곽 결과를 얻어야하는지 전혀 알지 못합니다. CCD와 물리적 환경? 미리 감사드립니다!

지금까지의 마지막 접근 방식 (MO로 실험 한 긴 밤 이후) :

• 양방향 필터 (가장자리를 유지하지만 균일 한 영역을 부드럽게 함)
• 캐니 (시그마 = 2, 임계 값 = [0.04 0.08])
• 형태 학적 운영 (MO) : bwareopen, closing, remove및bridge
• bwlabel원치 않는 노이즈를 제거하는 윤곽의 둘레 만 선택합니다. 아직 업데이트 된 스크린 샷은 없지만 별표에서 작동합니다. 유리에는 외부 윤곽선에 연결된 내부 윤곽선이 있으며 아래 스크린 샷에서도 볼 수 있습니다.

그래서 외곽 윤곽을 순회하기 위해 특별한 알고리즘이 필요합니다. 이웃의 시계 방향 / 반 시계 방향 조회입니다. 코너 포인트가 있으면 시계 / 반 시계 방향으로 전환 할 수 있습니다. 간격이 있으면 반경을 늘리고 다시보십시오. 다음과 같은 두 가지 이상의 가능한 점이 있으면 이전과 같은 방향을 가진 사람을 선택하십시오. 알고리즘을 따르는 등고선이 의미가 있다고 생각하십니까?

다음을 시도 할 수 있습니다.

• 효율적인 그래프 기반 이미지 세분화 : http://www.cs.brown.edu/~pff/segment/ (사용 가능한 코드)

• GraphCut 기반 세분화 : http://www.csd.uwo.ca/~olga/OldCode.html (사용 가능한 코드)

• 스파 스 방법을 사용하여 이미지의 노이즈를 제거하십시오 : http://spams-devel.gforge.inria.fr/ (사용 가능한 코드)

임계 값 기술을 너무 일찍 포기했다고 생각합니다. 히스토그램을 살펴보면 분명히 삼단 법입니다. (이미지 오른쪽의 흰색 열을 수동으로 제거했습니다. 이미지의 일부가 아니라고 가정합니다. 코드를 실행하기 전에이 이미지 를 가져 가십시오 )

첫 번째 그룹의 모든 값을 살펴보십시오.

트라이 모달 히스토그램에서 모드를 찾기 위해 K- 평균 군집화 를 사용할 수 있습니다 과 K=3강도를. 다음 Matlab 코드는 코드에서 찾습니다 th1=67. 아이디어는 3 세트가 있다고 가정하고 각각에 가중치 중심을 계산하는 것입니다. 그런 다음 각 강도 수준이 자체 클러스터에 할당됩니다. 가중치 중심이 이동을 멈 추면 중지합니다. 다음은 이미지에서 히스토그램에 표시된 두 개의 임계 값을 찾은 결과입니다.

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

나중에 문제를 해결하는 것은 케이크 한 조각입니다. 개방과 같은 간단한 형태 학적 작업을 수행하십시오.

위에서 제안한 바와 같이, 임계 값은이 이미지에서 매우 효과적 일 수 있는데, 불규칙한 조명 때문에 일정한 임계 값이 적용되지 않는 것을 제외하고는 본질적으로 바이너리입니다. 적응 임계 값이 필요합니다.

내 조언은 밝은 영역에서 적은 수의 값을 샘플링하여 간단한 모델 (평면 [3 DOF] 또는 2 차 [6 DOF])을 사용하여 백그라운드 재구성을 수행하는 것입니다. 가장 좋은 방법은 노이즈를 평균화하기 위해 작은 ROI를 사용하는 것입니다. 그런 다음 배경 값을 빼거나 나눠서 음영을 수정하십시오.

휴먼 인터랙션이 옵션이 아닌 경우 먼저 Otsu를 직선화하고 임계 값 아래에서 균일 한 ROI (낮은 분산)를 고려하여 백그라운드 영역 검색을 자동화 할 수 있습니다. 첫 번째 배경 재구성 후이 프로세스를 평평한 이미지에 적용하여 향상시킬 수 있습니다.

전체 프로세스는 1 초 미만으로 실행되도록 구현할 수 있습니다.

가장 좋은 방법은 활성 윤곽을 사용하는 것입니다. 어떤 활성 컨투어가 YouTube에있는 비디오인지 살펴 보지 못하는 경우 http://www.youtube.com/watch?v=ijNe7f3QVdA

기본적으로 u 초기화 세그먼트를 제공해야하며 모양이 향상됩니다. 내 제안은이 게시물에서 논의 된 방법 중 하나에 대한 것이며 활성 윤곽선을 2 단계로 사용합니다. 개선 단계로.

다음은 http://www.mathworks.com/matlabcentral/fileexchange/19567를 사용할 수있는 활성 윤곽의 구현입니다 .

당신은 당신이 무슨 일인지 분명히 알고 있지만 임계 값 사용에 대해 언급하지 않았으며, 특히 Otsu를 사용하여 올바른 수준을 계산 한 다음 윤곽선을 찾고 가장 큰 선택을 시도하는 전역 임계 값을 적용하려고 했습니까?

[명확하게 편집하기]

이미지 전체에 시각적으로 표시되어 글로벌 임계 값이 작동하지 않습니다.

나는 이것으로 빨리 놀았고 이미지를 6 덩어리로 나누면 (3 열의 2 행은 동일한 크기), Otsu를 사용하여 임계 값을 수행 한 다음 다시 조립하면 청소하는 데 꽤 신의 역할을합니다. 영상.

별의 오른쪽 상단에는 여전히 약간의 작은 유물이 있습니다.

객체에 직선 경계가 있기 때문에 이러한 가장자리를 추출하고 정점을 찾기 위해 교차하여 결과를 객체 윤곽으로 사용하기 위해 Hough 변환을 고려할 수 있습니다.

외곽선이 항상 직선이거나 알려진 곡선입니까?

그렇다면 가장자리를 따라 각 픽셀을 얻으려고하는 대신 Hough 변환을 사용하여 선의 방정식을 얻은 다음 선과 itnersections에서 카운트를 다시 만듭니다.