Обнаружение шестиугольных фигур в оттенках серого или бинарного изображения

Question

Для моего бакалавриата необходимо проанализировать изображения, сделанные в океане, для подсчета и измерения размера частиц воды.

моя проблема: кроме того пожелавших частиц воды, изображения показывают гексагональные пятна по всему изображению в: (! Пример изображение ниже) - разные размеры - - не правильная форма различных оттенков серого значения

Понятно, что эти исправления будут фальсифицировать мой анализ изображения относительно размера и количества частиц. По этой причине эти патчи необходимо каким-то образом обнаружить и удалить.

Поскольку это будет лишь небольшая часть работы в моей диссертации, я не хочу тратить много времени на это и уже пробовали классические способы, как: (ImageJ)

• играет с порогом (в результате чего также удаляются требуемые частицы воды)
• анализировать изображение, включая гексагональные пятна, а затем сортировать самые большие области (гексагональные пятна имеют довольно большие области, но у вас все еще будет много хаксагнонов)
• играет с фильтры: использование гауссовского фильтра на дублированном изображении и вычитание копии из оригинала удаляет многие заплатки (в снижении значения полутонового), но и удаляют мелкие частицы, разыскиваемая воды и так снова фальсифицируют результат

более сложное и трудоемкое решение будет использовать реализованную библиотеку, например, MATLAB или OpenCV для обнаружения точек , которые описывают фигуры. , но до сих пор я не мог найти код, соответствующий моей задаче.

Кто-нибудь из вас создал такой код, который я мог бы использовать для своей задачи или любой другой идеи?

Вы можете увидеть много гексагональных пятен в разных глубинах тоже. Маленькие пятна с большим значением пикселя - это нужные частицы!

Answer 1

Обработка изображений - довольно привлекательная область, поэтому нет жестких и быстрых правил.

Но если бы это был я, я бы «маскировал» изображение. Это включает в себя либо определение того, что вы хотите сохранить, либо удалить как пиксель «Маска». Затем вы просматриваете маску по изображению рекурсивно и сравниваете маску с выбранной частью изображения. Затем вы выбираете или удаляете раздел (в зависимости от вашего метода), если он соответствует вашему критерию. Одним из таких критериев является пространственная и серая ошибка, взвешенная по отношению к функции правдоподобия (например, квадратная квадратная квадратичная ошибка и т. Д.) Или нормальное распределение, определяющее неопределенность.

Некоторые продукты питания для размышления