使用机器学习进行 Blob 检测？答案

【问题标题】：Blobs detection using machine learning?使用机器学习进行 Blob 检测？
【发布时间】：2014-11-15 18:56:13
【问题描述】：

我有一大堆图像显示一个带有一些黑色斑点的条形图，其位置随时间而变化（参见图 b）。为了检测斑点，我现在使用强度阈值（图中的 c，其中低于阈值的所有强度值都设置为 1），然后我使用下面的 Matlab 代码在二进制图像中搜索斑点。如您所见，二进制图像非常嘈杂，使斑点检测过程复杂化。您对如何改进形状检测有什么建议，可能包括一些机器学习算法？谢谢！

代码：

se = strel('disk',1);
se_1 = strel('disk',3);
pw2 = imclose(IM,se);
pw3 = imopen(pw2,se_1);
pw4 = imfill(pw3, 'holes');

% Consider only the blobs with more than threshold pixels
[L,num] = bwlabel(pw4);
counts = sum(bsxfun(@eq,L(:),1:num));
number_valid_counts = length(find(counts>threshold));

【问题讨论】：

所以基本上，您只想从图 B 中提取 blob？还是 blob（来自图 b）mius 条（在图 c）？

标签： python matlab machine-learning computer-vision feature-detection

【解决方案1】：

这可能会有所帮助。

提取要提取的斑点边界的纹理特征。这可以使用Local binary patterns 来完成。还有很多其他的纹理特征，可以详细调查here。
然后用它们来训练一个二元分类器。

【讨论】：

【解决方案2】：

数据看起来像图像下侧的脉冲，我建议获取一些图像并将垂直于脉冲方向的像素的垂直线切片，每次取一行值，一点点上下脉冲，条带宽度为一个像素，其高度比脉冲图像稍大一点，取一些脉冲上下的光值，可以从420-490像素开始，每次保存70 个灰度值，它们将形成特征向量，还从非斑点区域中提取线以保存到第 2 类，对多张图像和每张图像的线执行此操作。

现在您获得了训练数据，您可以使用任何机器学习算法来训练计算机的脉冲和非脉冲，

在测试步骤中，您每次垂直扫描 70 个像素读取的图像，并针对训练模型进行测试，如果它们属于“bolob”类，则创建一个新的黑色图像，从测试像素下方一点点绘制白色垂直线，否则在输出图像上不绘制任何内容。

在扫描图像结束时：检查是否有孤立的白线，您可以将其删除，认为它是错误的接受。如果在一组白线中发现一条暗线，则将其转换为白色，考虑错误拒绝。

你可以使用我的分类器：https://www.researchgate.net/publication/265168466_Solving_the_Problem_of_the_K_Parameter_in_the_KNN_Classifier_Using_an_Ensemble_Learning_Approach

如果你决定我会送你男女同校去做。距离度量是一个问题，因为值在 0 到 255 之间变化，所以光值将主导距离，要解决这个问题，您可以使用 Hassanat 距离度量：https://www.researchgate.net/publication/264995324_Dimensionality_Invariant_Similarity_Measure

因为在数据中缩放是不变的，因为每个特征不再输出 0 到 1 之间的值，因此最高值不会主导最终距离。

祝你好运

【讨论】：

欢迎来到 StackOverflow。你愿意做出贡献真是太好了。但是，您的回答并不能真正回答问题。您说“您可以使用任何机器学习算法”，这并没有真正的帮助。此外，如果您知道一些可行的方法（在这种情况下可能是您自己的算法），请提供一个最小的示例来说明它是如何工作的。请记住包含输入和输出图像，以便其他人可以重新生成您的结果。发布指向您自己论文的链接对未来的读者没有帮助，因为该链接可能会失效。