如何检测纹理破坏答案

【问题标题】：How to detect texture disruption如何检测纹理破坏
【发布时间】：2017-10-23 15:53:42
【问题描述】：

假设我们有许多彩色图像，它们是一些纹理图案的示例。这种纹理被一些异物“破坏”的情况很少见。检测这些罕见异常的最佳方法是什么？

我考虑过训练一个 CNN，但好的例子的数量远远超过坏的例子，所以我有疑问。我开始研究灰度共现矩阵 (GLCM) 和局部二进制模式 (LBP)，但我认为颜色信息可能在确定中断的发生方面发挥重要作用。我可以从这些提取的特征（GLCM 或 LBP）中找到分布并计算新图像属于该分布的概率吗？

感谢您的帮助！

【问题讨论】：

你能分享一些示例图片吗？
@tonechas 不幸的是我不能，这是我能解决的问题的具体情况
如果没有更多信息，很难回答这个问题，但是您看过 Law 的纹理测量吗？老歌但可能有用。无论哪种技术可能有效，都取决于您的应用程序。自然或人造物体/场景？来自相机的实时图像，或不同分辨率/质量的图像文件？如果你不能透露细节，那么可以考虑花一天时间在当地的工程图书馆翻阅教科书、论文和会议论文（这些文件通常在网上付费墙后面）。有好几次，我发现很少有人提及的书籍可以帮助我解决奇怪的问题。

标签： opencv image-processing feature-extraction pattern-recognition scikit-image

【解决方案1】：

如果没有看到一些示例图像，很难找出您的问题。原则上，您可以使用多种方法来检测纹理中断，即 GLCM 特征、LBP、Law 掩码、矢量量化等。测量局部熵是一种可能的方法。考虑下图，我们可以清楚地区分两种纹理：

以下 sn-p 读取图像，计算圆形邻域或给定半径 25 上每个像素的局部熵并显示结果：

from skimage import io
from skimage.filters.rank import entropy
from skimage.morphology import disk

img = io.imread('https://i.stack.imgur.com/Wv74a.png')
R = 25
filtered = entropy(img, disk(R))
io.imshow(filtered)

从生成的熵图中可以清楚地看出，局部熵值可用于检测纹理破坏。

【讨论】：