在灰度图像中检测黑色区域的存在

Question

我的目标是模糊的，因此我没有任何可重复的代码。

我想开发一个网络，我训练的特定类型的灰度图像，将检测的区域，是超过一定的灰度强度阈值。

我应该如何进一步处理这一问题？我需要神经网络吗？

下面是一些样本图像。最左边的是它应该是什么样子，中间的那个是当它发现有一些黑线(不完全是黑色，但高于灰度强度的某个阈值)，而在极右的那条是我期望的代码输出。

这是在CT扫描中发现裂缝时特别感兴趣的，在其他灰度背景中，裂缝以暗黑斑点/线条的形式出现。

​

​

Answer 1

这是非常琐碎的，你绝对不需要神经网络来解决这个问题。如果您正在处理灰度图像，并且知道您感兴趣的灰度阈值(例如，允许亮度值达到3)，则只需执行简单的阈值操作即可识别黑色区域。

这可能也适用于你的ct扫描应用程序，预先假定这些“裂缝”总是很低的强度。

例如，对于ct图像，我在示例图像中应用了您的“裂缝”，阈值这些裂缝会很好地工作(您只得到一些背景噪声/伪影)。请参阅下面的OpenCV片段：

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)

输入：

​

​

原始图像来源: www.radiologyinfo.org

输出：

​

​

正如您所看到的，这实际上是3行代码，不要总是假设您的必须使用神经网络来实现一切，有时最好的方法就是用“老式的方法”来解决图像处理问题。尤其是如果这个问题是微不足道的。