#image #matlab #image-processing #defects
#изображение #matlab #обработка изображений #дефекты
Вопрос:
У меня есть это изображение:
Я пытаюсь найти пятна (дефекты), как показано на изображении. Я пробовал пороговое значение, но это помогает только для действительно ярких. Любые предложения о том, как это сделать?
Комментарии:
1. что ж, вам придется рассказать нам больше об этих пятнах, их свойствах, как они генерируются?
2. можете ли вы вычислить нормализованную взаимную корреляцию каждого, скажем, патча 11×11 с его соседями 21×21?
3. @Nishant Я могу предоставить фактическое изображение, если вы хотите взглянуть. Изображение — это, по сути, микроскопический вид чипа.
4. Каково точное определение «дефекта» и как именно он выделяется из разработанных функций?
5. У вас есть набор инструментов wavelet? Обнаружение пятен довольно простое и довольно надежное на зашумленных изображениях при использовании вейвлет-преобразований
Ответ №1:
Я не знаю, какой порог вы использовали для своего изображения, но кажется, что ваше изображение зашумлено и в черно-белых цветах. Я предлагаю использовать методы удаления шума, такие как морфологические операторы, перед применением порогового значения («Открытие» удаляет небольшие объекты, в то время как «закрытие» удаляет небольшие отверстия в зависимости от вашего типа шума). еще одно мое предложение — использовать фильтры среднего или медианного значения, чтобы избежать шумов, а затем применить пороговое значение.
вы можете посмотреть imopen или imclose для получения дополнительной информации.
Ответ №2:
Ваше изображение сильно структурировано, и я думаю, что, учитывая сложность проблемы (т. Е. Желание удалить как светлые, так и темные пятна, а также тонкую природу некоторых из них), вам придется использовать это. В частности, ваше изображение, по-видимому, состоит из нескольких «трасс», где каждая трасса в данный момент времени имеет гауссовский профиль яркости. В некоторых трассах, например, # 4, но в меньшей степени в # 3, наблюдается значительное дрожание. Итак, я бы разделил изображение на пять горизонтальных полос, центрированных на трассе, а затем сопоставил функцию яркости с изменяющейся во времени функцией Гаусса. Т.е. разделите каждую полосу по вертикали на множество тонких вертикальных полос и сопоставьте их с гауссовыми. (Эти вертикальные полосы могут перекрываться.)
Получив это, вы можете сгенерировать «модельное» изображение, которое должно выглядеть как суперчистая версия оригинала (но которая сохранит всю свою структуру). Затем перейдите и удалите те точки из оригинала, которые отклоняются от модели на некоторый абсолютный порог. Замените их модельными или интерполированными значениями, и все готово. Это небольшая работа, но если ваши данные последовательно структурированы так, как кажется, это должно сработать.