灰度图像的图像分析技术

Question

我承担了一个项目，自动分析从显微镜上拍摄的特定类型微骨折的图像。问题是，使用的相机是“自动”设置的，所以从一张照片到另一张照片，微骨折(看起来像针刺)是各种不同的阴影。

背景也处于不同的饱和度水平，有一些项目(在照片中看起来非常明亮)看起来像骨折，但有些东西不同，我需要打折。

有人能推荐一种我可以研究的技术来帮助我解决这个问题吗？

Answer 1

这在图像识别中是很正常的情况--不同的光照条件，不同的物体方向，不同的比例，不同的图像分辨率。已经开发了从这样的图像中提取有用特征的方法。我不是这个领域的专家，但我怀疑任何关于这个主题的一般书籍都至少包含对图像归一化和特征提取方法的简要回顾。

Answer 2

如果微骨折是尖锐的边缘过渡，那么简单的技术组合可能允许您找到与这些骨折相对应的强边缘点的连接区域。如果骨折也显示为黑色，那么你应该能够将它们与明亮的骨折样特征区分开来。

简要地说：

在边缘地图图像中生成边缘图并找到连接的区域(如有必要)移除与明亮的边缘像素相对应的边缘像素features.

• Select从边缘地图图像中分离出断裂的边缘强度向上background

• Clean

2. 边缘地图图像中的连接区域

如果您想要在背景中找到具有强边缘的薄特征，那么其中一个步骤可以是生成边缘映射(或边缘图像)，其中每个像素表示局部边缘强度。由其他中等灰度像素包围的中等灰度像素将具有相对较低的边缘强度，而由浅灰色像素包围的黑色像素将具有相对较高的边缘强度。各种边缘查找技术包括Sobel、Prewitt、Canny、Laplacian和Laplacian of高斯(LoG)；我不会在这里描述它们，因为维基百科上有关于它们的条目，如果您不熟悉它们的话。

一旦有了边缘图，就可以使用二进制阈值将边缘图转换为黑白像素。如果有证据表明裂缝的边缘强度为20，则可以使用值20作为图像的二值化阈值。然后，二值化将为您留下一个黑白边缘贴图，其中白色像素用于强边缘，黑色像素用于背景。

一旦有了二值化的边缘图，您可能需要执行形态学“关闭”操作，以确保可能彼此接近的白色像素成为同一连接区域的一部分。

一旦您在二值化的边缘映射上执行了关闭操作，您就可以搜索连接的组件(可能称为“轮廓”或“斑点”)。对于大多数应用程序，最好识别4-连接区域，在这些区域中，像素被认为连接到顶部、左侧、底部和右侧的像素，而不是左上角和其他角落的相邻像素。如果特征是典型的单像素线或曲折裂缝，并且没有太多噪声，那么您可能能够识别8个连接的区域。

一旦确定了连接的区域，就可以根据面积、最长轴的长度和/或其他参数进行过滤。

如果暗特征和亮特征都可以有很强的边缘，并且如果您想要消除亮特征，那么有几种方法可以消除它们。在原始图像中，您可以通过将超过阈值亮度的所有值设置为该亮度来裁剪图像。如果要保留的特征比图像的中间灰度值更暗，则可以忽略比中间灰度值更亮的所有像素。如果背景强度变化很大，您可能会计算某些局部区域的中位数。

一旦我们看到你的图片，我相信你会得到更多的建议。如果你想要解决的问题和我研究的类似，那就是在高度纹理的表面上寻找裂缝，那么我可以更具体地去尝试算法。