图像分析 – 光纤识别
我是图像分析的新手。 你是否知道如何以这种方式将这种图像二值化以获得光纤？
我尝试了不同的门限技术等，但我没有成功。 我不介意我应该使用什么工具，但我更喜欢.NET或Matlab 。
PS：我不知道在哪里提出答案，所以我把它放在StackOverflow上。
基于这些评论，您似乎无法将提出的Mathematica解决方案转换为MATLAB。 这是我的尝试：
@Nakilon解决方案
%# read image I = im2double(imread('http://i.stack.imgur.com/6KCd1.jpg')); %# ImageAdjust[] II = I; for k=1:size(II,3) mn = min(min( II(:,:,k) )); mx = max(max( II(:,:,k) )); II(:,:,k) = ( II(:,:,k) - mn ) ./ (mx-mn); end %# Sharpen[] II = imfilter(II, fspecial('unsharp')); %# MinDetect[], MaxDetect[] II = rgb2gray(II); mn = imextendedmin(II,0.3,8); mx = imextendedmax(II,0.7,8); %# pad image because Mathematica handles border cases differently than MATLAB pad = 30; q = padarray(mn, [pad pad], 'symmetric', 'both'); q = medfilt2(q, [5 5]*2+1, 'symmetric'); %# MedianFilter[] q = ordfilt2(q, 1, ones(2*5+1), 'symmetric'); %# MinFilter[] q = ordfilt2(q, (25*2+1)^2, ones(25*2+1), 'symmetric'); %# MaxFilter[] q = ordfilt2(q, 1, ones(20*2+1), 'symmetric'); %# MinFilter[] %# un-pad image q = q(pad+1:end-pad, pad+1:end-pad, :); %# ImageSubtract[], ImageMultiply[], ImageAdd[] a = imsubtract(mn,q)==1; %# a = mn; a(q) = false; b = immultiply(mx,q); %# b = mx & q; c = imadd(a,b); %# c = a | b; %# show images figure(1) subplot(121), imshow(mn) subplot(122), imshow(mx) figure(2), imshow(q) figure(3) subplot(121), imshow(a) subplot(122), imshow(b) figure(4), imshow(c)
请注意，边缘存在差异。 在Mathematica文档中，它模糊地说：
在图像的边缘，MedianFilter / MinFilter / MaxFilter使用较小的邻域。
但是这种行为没有直接匹配，而是MATLAB为您提供了在图像边界自定义填充的选项。
@belisarius解决方案
%# read image I = im2double(imread('http://i.stack.imgur.com/6KCd1.jpg')); %# LaplacianGaussianFilter[] II = imfilter( I , fspecial('log', [2 2]*2+1, (2*2+1)/2) ); %# ImageAdjust[] for k=1:size(II,3) mn = min(min( II(:,:,k) )); mx = max(max( II(:,:,k) )); II(:,:,k) = ( II(:,:,k) - mn ) ./ (mx-mn); end %# Binarize[] BW = im2bw(II, 0.6); %# DeleteSmallComponents[] BW = bwareaopen(BW, 2, 8); %# show images figure subplot(121), imshow(BW) subplot(122), imshow( imoverlay(I,BW,[0 1 0]) )
以下可能有所帮助（Mathematica中的代码）：
DeleteSmallComponents[ Binarize[ LaplacianGaussianFilter[i, 2], .6], 2]
图像组成以显示匹配：
ImageCompose[i, {i1, .4}] // ImageAdjust
试试MinDetect和MaxDetect 。
s = Sharpen @ ImageAdjust @ originalimage {min, max} = {s~MinDetect~.3, s~MaxDetect~.7} min~MedianFilter~5~MinFilter~5~MaxFilter~25~MinFilter~20 {min~ImageSubtract~%, max~ImageMultiply~%} ImageAdd @@ %
阅读边缘检测 。 多数民众赞成在这种情况下你需要什么。 门槛不会帮助你。 纤维（大多是直的）将相对容易检测。 但正如维基百科网站上有一章：“为什么边缘检测是一项非平凡的任务”……