Rilevamento di forme esagonali in scala di grigi o immagine binaria

Question

Per la mia tesi di laurea ho bisogno di analizzare le immagini scattate nell'oceano per contare e misurare la dimensione delle particelle d'acqua.

mio problema: oltre alle particelle di acqua ricercati, le immagini mostrano patch esagonali tutta l'immagine: (image esempio sotto) - diverse dimensioni - - non regolare figura diversi valori della scala dei grigi

È chiaro che queste patch falsificheranno l'analisi delle mie immagini riguardo alle dimensioni e al numero di particelle. Per questo motivo queste patch devono essere rilevate e cancellate in qualche modo.

Dal momento che sarà solo una piccola parte del lavoro nella mia tesi, non voglio spendere molto tempo in essa e già provato modi classici come: (ImageJ)

• giocare con la soglia (con conseguente eliminazione anche delle particelle di acqua desiderate)
• analizza l'immagine includendo le patch esagonali e poi riordina le aree più grandi (i riquadri esagonali hanno le aree più grandi, ma avrai ancora un sacco di esagoni)
• filtri: l'utilizzo del filtro gaussiano su un'immagine duplicata e la sottrazione della copia dall'originale ne elimina molti patch (nel ridurre il valore in scala di grigi) ma anche elimina piccole particelle d'acqua desiderata e quindi nuovamente falsifica il risultato

un più complicato e lungo soluzione consumando sarebbe quella di utilizzare una libreria implementata in per esempio MATLAB o opencv per rilevare punti , che descrivono le forme. ma finora non sono riuscito a trovare alcun codice adatto alla mia attività.

Qualcuno di voi ha creato un codice del genere che potrei usare per il mio compito o per qualsiasi altra idea?

Si può vedere un sacco di patch esagonali in diverse profondità anche. le piccole macchie con un valore di pixel maggiore sono le particelle ricercate!

Answer 1

L'elaborazione delle immagini è un'area piuttosto complessa, quindi non ci sono regole rigide.

Ma se fossi stato a me, mascherai l'immagine. Ciò comporta la definizione di ciò che si desidera mantenere o rimuovere come una "maschera" di pixel. Quindi si scansiona la maschera sopra l'immagine ricorsivamente e si confronta la maschera con la parte dell'immagine selezionata. Quindi si seleziona o si rimuove la sezione (a seconda del metodo) se soddisfa il criterio. Un esempio di un criterio sarebbe l'errore spaziale e scala di grigi calibrato contro una funzione di verosimiglianza (es chi-quadrato, quadrato errore medio etc.) o una distribuzione normale che si definisca l'incertezza ..

Alcuni alimenti per pensare