タグ付けされた質問 「morphological-operations」

3
OpenCV / C ++は、それらの間の距離に基づいて近くの輪郭を接続します
輪郭を接続するかどうかを指定するそれらの間の距離に基づいて、画像内の近くの輪郭を接続する必要があります。 今、同じ問題に関する質問があります/programming/8973017/opencv-c-obj-c-connect-nearby-contoursが、ここで彼はすべての輪郭を単一の輪郭にマージしています。これは欲しくない。このためのopencvの機能はないと思いますが、そのアルゴリズムを提案できます。私のアプリケーションは次のようになります： 私は手を検出しているので、皮膚検出アルゴリズムを使用してそれらを特定しましたが、私の皮膚は白くなく、ひょっとすると肘の輪郭が壊れていることもあります。だから私は近くの輪郭を接続したいがそれらのすべてではない（両方の私の手が輪郭にあるので）（手によって私は肩から手のひらまでを意味するからです）。 さらに、いくつかのエッジ検出を使用することで、手の境界を取得し、この境界内のこのパッチの一部が皮膚として検出されたかどうかを検出すると、この境界内の領域全体が皮膚として検出されますが、これを行う方法がわかりません部。 どんな助けでもありがたいです。前もって感謝します サンプル画像： この画像では、距離が40ピクセル未満のポイント（8つの接続）を接続したいので、左手を単一の輪郭として取得します 私の目的は、手の輪郭のみを取得することです（他の領域は気にしません）
2
時間周波数画像のノイズ除去について
ウェルチの方法を使用して作成された次の例の時間-周波数画像を「ノイズ除去」するためにどのような手法が利用できるのかと思います。次のプロットは、ロボットセンサーから作成されました。（これはカラーイメージではありません -グレースケールイメージです-色は視覚的な目的でのみ追加されます）。 ゴール： 私の目標は、最終的には、このようなパルスが存在する場合に、ここに表示されるパルス間隔を推定することです。これは鶏と卵のようなものかもしれません。そのため、私は自分に「この反復率+/- 10％のパルスが存在するのか」と自問し、それらを検出します。ここに表示されているのは信号（パルス）ですが、その他の不要な干渉があります。ただし、Emreが示唆したように、時間-周波数空間ではありますが、それらには構造があります。時間周波数フィルター自体は存在しますか？ ここで適用される画像処理ソリューションを強く望んでいますが、どのようなソリューションでも受け入れられます。 したがって、目標は、反復パルス（y軸のインデックス300の近くにあります）を除いて、すべての高輝度信号を削除することです。他のすべての高強度信号は「干渉」と見なすことができます。 想定できること： ここに表示されているパルス長を大まかに知っていると想定するかもしれません。（+/- 10％以内としましょう）。言い換えれば、この長さのパルスを探すことにしました。（+/-） パルスの反復率も大まかに知っていると仮定することができます（ここでも、+ /-10％としましょう）。 残念ながら、あなたは彼らの頻度をもはや正確に知りません。つまり、この画像ではパルスは300にありますが、100、50、または489などに簡単に合わせることができます。ただし、良いニュースは、ここに示されている周波数は互いに非常に近いことです。 私のいくつかの考え： 画像処理POV： 形態学的な操作が私に起こりました、しかし、私はそれらがうまくいくかもしれないかどうかを知るためにそれらに精通しています。私はアイデアが「閉じる」ことで、それゆえ「より大きい」汚れを取り除くことであると思いますか？ Row-wize DFT操作は、最も高い繰り返しパターンを持つ対象の行に基づいて、どの行をnullにするかを示す可能性がありますが、パルスが少なく、間隔が遠い場合や、画像のノイズが多い場合は、実行可能なソリューションにならない場合があります。 画像を見るだけで、分離を「報奨」し、接続を「罰する」ことを望んでいます。このような操作を行う画像処理方法はありますか？（再び自然の形態学）。 ここで役立つ方法は何ですか？ 信号処理POV： ここに示されている周波数範囲はすでに非常に狭いため、ノッチフィルター操作が役立つかどうかはわかりません。さらに、この狭い範囲内で示されるパルスの正確な周波数は、事前にわかっていません。 ここで関心のあるパルス（長さと繰り返し時間）に基づいて推測を行うことで、「テンプレート」の2次元DFTを計算し、これを2D ケプストラル時間フィルターとして利用できます。上記のウェルチイメージを単純に乗算してから、逆2次元DFTを実行しますか？ OTOH ガボールフィルターは、ここで良い一致でしょうか？結局のところ、これらは方向に敏感なフィルターであり、独自の組み込みV1ビジュアルプロセッサーに似ています。彼らはどのようにここで悪用される可能性がありますか？ このドメインで役立つ方法は何ですか？ 前もって感謝します。
3
形態勾配の構造化要素の形状
形態学的勾配の計算に使用される構造化要素の推奨形状を理解しようとしています。Pierre Soilleによると：形態学的画像分析： 原点を含む対称構造化要素のみが考慮されます。そうすることで、算術差が常に非負になるようにします。 算術差引用に記載され、現在の離散勾配を計算するために使用される3つの組み合わせを参照しています。 膨張と収縮の算術的差異; 膨張と元の画像の間の算術的な違い; 元の画像とその浸食の間の算術的差異。 しかし、私が思うに、その起源を含むSEを使用することがあり、十分な（それは確実に抗extensivity拡張とのextensivity浸食のを）。この場合、次のことが成立し、3つのケースすべてで非負性が保証されます。 （ iはdのアイデンティティ変換されます）εB≤id≤δBεB≤id≤δB\varepsilon_B \leq id \leq \delta_Bididid 対称条件を強制する理由を探しています。直感的に、対称SEを使用することは、非対称SEを使用するよりも優れていることを理解しています（たとえば、対称ピクセルの近傍を調べるなど）。この制約には歴史的な理由があるかもしれないことも私に示唆されました。 ただし、対称SEの望ましいプロパティ（または非対称SEの望ましくないプロパティ）を指す特定の例、引数、または参照が必要です。
1
バイナリイメージ登録用の2D変位ベクトルを計算する方法は？
私の入力は次のようないくつかのバイナリイメージです。 それらは全体的に同じコンテンツを持っていますが、ハンドカメラから作成されているため、登録解除される場合があります。私が計算したいのは、最初の画像から2番目の画像への2D変位ベクトルです。私はOpenCVを使用しており、最初の試みは、特徴点（SURFアルゴリズム）と両方の画像間のアフィン変換を計算することでした。しかし、もちろん、特徴の説明はバイナリ画像ではやや不十分なので、マッチングは困難であり、マッチングマップは非常に不正確です。 誰か私がこれをどうやってできるのか考えていますか？
4
方法：画像内のピクセルパックから代表的なポイント座標（x、y）
左側の次の図に示すように、画像（グレースケールまたはバイナリ）があるとします。目標は、ポイントのリスト、つまり（x、y）の形式の座標のリストを生成することです。画像の暗いピクセル。 これを行うための適切な画像処理ツールは何ですか？それらはどこで利用できますか？ 更新： 1） ここでは、問題の詳細を確認できます。（パックのサイズの違いに注意してください） それぞれの凸包境界を計算するパックを検出してから、代表的な重心を見つけることをお勧めします{詳細はこちらを参照}。 2） 以下は、距離変換（「Libor」が推奨）を適用した結果です。図の注釈に注意してください。この方法は有望だったため機能しません！ 3） 侵食は小さなパックを排除します！ from __future__ import division from scipy import zeros, ndimage as dsp from pylab import subplot,plot,matshow,show img = zeros((30,30)) img[10:14,10:14] = 1 img[16:17,16:17] = 1 img[19:23,19] = 1 img[19,19:23] = 1 subplot(221) matshow(img,0) subplot(222) y = dsp.binary_erosion(img,[[1,1],[1,1]]) matshow(y,0) subplot(223) y = …
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.