こんにちはCV /パターン認識コミュニティ、

画像のセグメンテーションに関して深刻な問題があります。シナリオは、私の頭を狂わせる炉内の雰囲気です。また、1つの特殊なケースだけでなく、さまざまな材料（ガラス、セラミック、Al、Irなど）のオブジェクトの輪郭を短時間（10秒未満）で検出する必要があります。また、コードのピクセルの連続した行に輪郭が必要です。したがって、チェーンコードまたはいわゆるボーダー/輪郭追跡も必要であるため、オープンホールは適切ではありません。バックグラウンドには、ほこり、粒子などの非線形ノイズが時々現れます。

MatlabまたはOpenCVの提案を歓迎します。

より明確にするために、目標と半透明のオブジェクトの別の画像を投稿しましたが、これも検出する必要があります。また、知っておく必要があるさらなる例。

画像＃1を見るとわかるように、画像の右側の部分と、オブジェクトである星の外側の輪郭の近くに粒子があります。また、全体的なコントラストはあまり良くありません。オブジェクト自体は地下にあり、輪郭検出には関係ありません。画像＃2は半透明のオブジェクトを示していますが、これも可能です。

次の画面（赤い線）のように、そのオブジェクトの輪郭/境界を見つけたい。2つの長方形（黄色）は、開始点（左）と終了点（右）を示しています。青い線は無視できます。

最初は、フィルターだけでその不潔な雰囲気の問題を解決できると思いました。しかし、多大な時間を費やした後、前景と背景のコントラストを高めるためにノイズを大幅に除去または削減する必要があることに気付きました。ヒストグラム等化、大津適応等化、線形フィルター（ガウスなど）、非線形フィルター（中央値、拡散）、Active Contours、k-Means、Fuzzy-c-means、純粋なCannyなど、多くの方法を試しました。形態学的演算子と組み合わせたエッジ検出。

• キャニー：粒子と大気が穴の原因になっていますが、オブジェクトの完全な輪郭が必要です。モルフォロジー演算子を閉じて拡張しても、それだけでは十分ではありません。Cannyには、ヒステリシスがあるため、私が研究したすべての方法の中で最高の結果が残っています。
• アクティブな輪郭：エッジ/グラデーションでも機能します。オブジェクト内で初期化した後、完全に狂ったように動作します。これは、エッジマップが「開いた」オブジェクトになっていることが原因である可能性があります。私の知る限り、輪郭を閉じなければなりません。さまざまな派生物（GVF / VFC / Classic Snake）で試してみました。
• k-Means：霧の背景のため、結果には炉の雰囲気が含まれます。ファジーc-meansについても同じです。オブジェクトを背景から分離するため、2つのクラスターを選択しました。クラスターが多いと、結果が弱くなります。
• ヒストグラム/大津：グレーの強度が非常に近いため（imho！）、オブジェクトと背景をマージしています。ローカルおよびグローバルな方法で試してみました。
• フィルター：特にGLPFまたは他のLPFがエッジを塗りつぶしますが、これはあまり良くなく、霧の雰囲気さえも低減しません。
• 非線形フィルターはエッジを保持しています。それらのほとんどは、大きな画像の計算に時間がかかりすぎます。とりあえず、高速の双方向フィルタを使用しました。結果は以下を参照してください。

したがって、得られたオブジェクトセグメントの結果は既存のアルゴリズムと十分に競合しないため、後処理ステップには単一の方法では十分ではありません。既存のアルゴリズムは非常にローカルであるため、この非常に特殊なシナリオで機能します。

何かを完全に見逃してしまった場合、どうすればいいかわかりません。隙間や穴を開けずに、どのように処理し、どのように良好な輪郭結果を得る必要があるのか​​分かりません。 CCDと物理的環境？前もって感謝します！

これまでの最後のアプローチ（MOでの長い実験の後）：

• バイラテラルフィルター（エッジを保持しますが、均一な領域を平滑化します）
• キャニー（シグマ= 2、しきい値= [0.04 0.08]）
• 形態学的オペレーション（MO）： 、 bwareopen、＆closingremovebridge
• bwlabel輪郭の周囲のみを選択し、不要なノイズを除去します。まだスクリーンショットは更新されていませんが、スターには有効です。ガラスには外側の輪郭に接続された内側の輪郭があります。これは下のスクリーンショットでも確認できます。

そのため、外側の輪郭を横断するための特別なアルゴリズムが必要なのではないかと心配しています。近隣の時計回り/反時計回りの検索になります。コーナーポイントがある場合、その時計回り/反時計回りのステップを切り替えることができます。隙間がある場合は、半径を増やしてもう一度見てください。次のポイントが2つ以上ある場合は、前と同じ方向を向いたポイントを選択します。その輪郭追従アルゴリズムは理にかなっていると思いますか？

以下を試すことができます：

• 効率的なグラフベースの画像セグメンテーション：http : //www.cs.brown.edu/~pff/segment/（利用可能なコード）

• GraphCutベースのセグメンテーション：http ://www.csd.uwo.ca/~olga/OldCode.html （使用可能なコード）

• スパースメソッドを使用して最初に画像のノイズを除去します：http ://spams-devel.gforge.inria.fr/ （利用可能なコード）

しきい値のテクニックをあきらめるのは早すぎると思います。あなたのヒストグラムを見てください、それは明らかにトライモーダルです：（ 画像の右側の白い列を手動で削除しました、それらは画像の一部ではないと思います- コードを実行する前にこの画像を撮ってください）

最初のグループのすべての値を見てください。

トライモーダルヒストグラムでモードを見つけるために、オン強度でK平均クラスタリングを使用することができK=3ます。次のMatlabコードはth1=67、コードで見つけます。考え方は、3つのセットがあると仮定し、各セットの加重重心を計算することです。次に、各強度レベルが独自のクラスターに割り当てられます。重心が移動しなくなると停止します。これは、ヒストグラムに表示されている画像の2つのしきい値を見つけた結果です。

function [th1,th2]=SegmentHistTo3()
    im = imread('http://i.stack.imgur.com/U2sc5.png');
    h = imhist(im(:,:,1)); %# Calculate histogram

    th1new = round(256/3); %# Initial thresholds
    th2new = round(256*2/3);
    th1 = 0;
    th2 = 0;

    while (th1~=th1new) || (th2~=th2new) %# While the centroids keep on moving
        th1 = th1new;
        th2 = th2new;

        wa1 = WeightedAverage(h,1,th1);  %# Calculate 3 weighted averages
        wa2 = WeightedAverage(h,th1+1,th2);
        wa3 = WeightedAverage(h,th2,numel(h));

        th1new = round( (wa1+wa2)/2 );  %# The thresholds are middle points between the averages
        th2new = round( (wa2+wa3)/2 );
    end

    figure; hist( double( reshape(im(:,:,1),1,[]) ),256);
    hold on;
    plot( [th1 th1],[0 max(h)],'r','LineWidth',2);
    plot( [th2 th2],[0 max(h)],'r','LineWidth',2);

    figure;imshow( im(:,:,1)<th1);
end

function wa = WeightedAverage(region,th1,th2)    
    regionNonEmpty(th1:th2) = region(th1:th2);
    wa = sum( regionNonEmpty .* (1:numel(regionNonEmpty))) / sum(regionNonEmpty);    
end

後で問題を解決するのは簡単です。単に開くなどの簡単な形態学的操作を実行してください。

上記で提案したように、この画像ではしきい値設定は非常に効果的です。これは本質的にバイナリですが、不均等な照明のために一定のしきい値が実行されないことを除きます。適応しきい値処理が必要です。

私のアドバイスは、明るい領域で少数の値をサンプリングすることにより、単純なモデル（おそらく平面[3 DOF]またはquadradic [6 DOF]）でバックグラウンド再構成を行うことです。最良の方法は、小さなROIを使用してノイズを平均化することです。次に、背景値を減算（または除算）して、シェーディングを修正します。

人間の介入がオプションではない場合、最初にまっすぐにOtsuを作成し、しきい値を十分に下回る均一なROI（低分散）を考慮することにより、背景領域の検索を自動化できます。最初の背景の再構成後、おそらくこのプロセスをフラット補正された画像に適用することで改善できます。

プロセス全体を実装して、1秒未満で実行できます。

最適な方法はアクティブな輪郭を使用することだと思います。アクティブな輪郭がわからない場合は、YouTubeでこのビデオをご覧くださいhttp://www.youtube.com/watch?v=ijNe7f3QVdA

基本的に、uは初期化セグメンテーションを与える必要があり、形状を改善します。私の提案は、この投稿で説明されている方法の1つであり、2番目のステップとしてアクティブな輪郭を使用することです。改善ステップとして。

これは、http：//www.mathworks.com/matlabcentral/fileexchange/19567を使用できるアクティブな輪郭の実装です 。

あなたはあなたが何をしているのかを明確に知っていますが、しきい値を使用して言及していません、特に大津を使用してグローバルしきい値を適用して正しいレベルを計算し、輪郭を見つけて最大のものを選択しましたか？

[明確にするために編集]

画像全体に目に見える優雅さがあるため、グローバルしきい値は明らかに機能しません。

私はこれで簡単に遊びましたが、画像を6つのチャンク（サイズが同じ3列の2行）に分割し、それぞれにOtsuを使用してしきい値を設定してから再構築すると、画像。

星の右上にはまだいくつかの小さなアーティファクトがあります。

オブジェクトには直線の境界があるため、これらのエッジを抽出し、それらを交差させて頂点を見つけ、その結果をオブジェクトの輪郭として使用するために、ハフ変換を検討する必要があるかもしれません。

アウトラインは常に直線ですか、それとも既知の曲線ですか？

その場合、各ピクセルをエッジに沿って正確に取得しようとするのではなく、ハフ変換を使用してラインの方程式を取得し、ラインとitnersectionsからカウントを再作成します