Блог

Моя цель расплывчата, и поэтому у меня нет никакого воспроизводимого кода для нее.

Я хочу разработать сеть, которую я обучаю определенным типам изображений в сером цвете, которые будут обнаруживать области, превышающие определенный порог интенсивности оттенков серого.

Как мне поступить с этим дальше? Нужна ли мне для этого нейронная сеть?

Ниже приведены некоторые примеры изображений. Та, что в крайнем левом углу, — это то, как это должно выглядеть, та, что посередине, — это когда он обнаруживает, что есть несколько черных линий (не совсем черных, но выше некоторого порога интенсивности оттенков серого), а та, что в крайнем правом углу, — это то, что я ожидаю получить в результате моего кода.

PS Это особенно интересно при обнаружении трещин на компьютерной томографии, которые отображаются в виде темно-черных пятен / линий на другом фоне в оттенках серого

Это очень тривиально, и вам определенно не понадобится нейронная сеть для решения этой проблемы. Если вы работаете с изображениями в оттенках серого и знаете интересующий вас порог интенсивности (например, вы допускаете значение интенсивности до 3), вы можете просто выполнить простую пороговую операцию для идентификации черных областей.

Это, вероятно, также сработало бы в вашем приложении для компьютерной томографии, если предположить, что эти «трещины» всегда имеют очень низкую интенсивность.

Например. для ct-изображения, где я применил ваши «трещины» в вашем примере изображения, пороговое значение этих трещин будет работать довольно хорошо (вы получите только некоторый фоновый шум / артефакты). Смотрите следующий фрагмент OpenCV:

 import numpy as np
import cv2

# Load an color image in grayscale
img = cv2.imread('chest-ct-lungs.jpg',0)
ret,thresh = cv2.threshold(img,3,255,cv2.THRESH_BINARY)
cv2.imwrite('output.png',thresh)
  

ввод:

исходный источник изображения: www.radiologyinfo.org

вывод:

Как вы видите, это буквально всего лишь 3 строки кода, не всегда предполагайте, что вам придется использовать нейронные сети для всего, иногда лучше просто решить проблему обработки изображений «старомодным способом». Особенно, если проблема тривиальна.