【问题标题】:image segmentation for grains谷物的图像分割
【发布时间】:2016-09-13 00:20:47
【问题描述】:

我正在尝试区分图像中不同种类的颗粒。有时图像还包含一些杂质物质,需要将其视为额外类型。 以下是一些示例图片:

玉米和豆子

长稻麦

我试图为不同的图片找到一个通用的方法,但结果还不够好。 我使用flood-fill和一些梯度方法来获取区域,并尝试使用聚类方法对包含进行分类,但是特征选择是一个难题,我尝试了gabor filter,但它不能让我得到一个清晰的边界,所以做kmeans等分类方法。

任何关于分割、获取轮廓或分类的想法都将不胜感激。谢谢!

我尝试发布更多我当前结果的图片,但很抱歉这里有 2 张图片限制初学者。

【问题讨论】:

  • 颗粒通常是椭圆形的,因此在标准照明条件下,您应该能够检测到颜色强度的高光点。所以我会尝试找到颜色强度(峰值)的局部最大值。 .. 基于颜色同质性的分割通常有助于此类图像
  • @Spektre 是的,找到主要颜色似乎是个好方法。我会试试看。谢谢!我尝试使用颜色直方图,但效果不佳。

标签: image image-processing image-segmentation


【解决方案1】:

这几乎是一个处理图像处理问题的手工艺品。我建议您使用强大的库(当然例如 OpenCV)并使用 cvFindContours 函数来识别轮廓。另外,搜索数学形态。侵蚀和膨胀等基本运算符可能会对您有所帮助,因为前景像素区域的尺寸会缩小,而这些区域内的孔会变大,反之亦然。使用颜色分割也很有帮助,但您可能会遇到一些麻烦,因为颗粒颜色不均匀。最后,特征提取是另一种出路。 尺度不变特征变换可用于识别图像上的每一个颗粒,因为它对线性变换和光照问题是不变的。希望对您有所帮助。

【讨论】:

  • 先谢谢!是的,我是基于 OpenCV 做的,真的很有帮助。你的意思是可以制作一个模板,然后用它通过SIFT匹配整个图片。真的很有趣,我试试看:)
猜你喜欢
  • 2019-08-16
  • 2017-12-15
  • 2020-10-08
  • 2022-10-17
  • 2019-09-23
  • 2015-12-18
  • 2021-08-16
  • 2015-12-06
  • 2011-08-29
相关资源
最近更新 更多