2015-03-18 15 views
5

Lisans tezim için, su parçacıklarının boyutunu ölçmek ve ölçmek için okyanusta çekilen görüntüleri analiz etmem gerekiyor.Altıgen şekilleri gri tonlamalı veya ikili görüntüde algılama

benim problem: istenilen su partikülleri yanında, görüntüler tüm görüntü üzerinde altıgen yamaları gösterir: (! Aşağıda Örnek resim) - Farklı boyutlarda - - değil normal şekil farklı tonlama değerleri

Bu yamaların parçacıkların büyüklüğü ve sayısı ile ilgili görüntü analizimi tahrif edeceği açıktır. Bu nedenle, bu yamaların bir şekilde algılanması ve silinmesi gerekir. Benim tez işin sadece küçük bir parçası olacak yana

, ben o kadar zaman harcamak istiyorum ve zaten gibi klasik yollar denedi yoktur: eşiği ile oynarken (imagej)

  • altıgen yamalar dahil görüntüyü analiz edip daha sonra sıralamak büyük alanlar (altıgen yamalar oldukça büyük alanları vardır, ama yine haxagons bir sürü olacaktır)
  • ile oynarken (ayrıca silinmesi ile sonuçlanır su partikülleri istedi) filtreler: çoğaltılan görüntüde gauss filtresinin kullanılması ve kopyanın orijinalinden çıkarılması birçok silme Ayrıca (gri tonlama değerinin azaltılması) yamalar, ancak çok az istenen su partikülleri siler ve bunu tekrar bir sonuç tahrif

daha karmaşık ve zaman alıcı bir çözüm, örneğin MATLAB veya noktaları belirlemek için OpenCV için bir uygulanan kitaplığı kullanmak olacaktır şekilleri açıklar. ancak şu ana kadar görevime uyan herhangi bir kod bulamadım.

Biriniz benim görevim veya başka bir fikir için kullanabileceğim bir kod oluşturdunuz mu?

croped version of an image

Ayrıca farklı derinliklerinde altıgen yamalar bir sürü görebilirsiniz. daha büyük bir piksel değerine sahip küçük noktalar aranan parçacıklar!

+5

Görüntüleri bir yere yükleyebilir ve bağlantıyı gönderir misiniz? – gfkri

+0

@gfkri Aslında, 2 upvotes ile şimdi görüntüleri yayınlayabilmelidir. – beaker

+0

Sonunda metne kırpılmış bir resim yükleyebilirim. – homework

cevap

0

Görüntü işleme oldukça ilgili bir alan olduğundan, zor ve hızlı kurallar yoktur.

Ama ben olsaydım, resmi 'Maskelemek' olurdu. Bu, ne tutmak istediğinizi tanımlamak veya bir piksel "Maske" olarak kaldırmayı içerir. Ardından, maskeyi görüntü üzerinde yinelemeli olarak tarayın ve maskeyi seçilen görüntü bölümüne karşılaştırın. Daha sonra, ölçütünüzü karşılıyorsa, bölümü seçin (yönteminize bağlı olarak). Böyle bir ölçüt örneği, bir olasılık fonksiyonuna (örn. Ki-kare, kare ortalama hatası vb.) Veya belirsizliği tanımladığınız Normal dağılıma karşı ağırlıklandırılmış uzamsal ve gri ölçekli hata olur.

Bazı yiyecekler düşünce için

İlgili konular