处理挑战性图像的想法

Question

我正在处理作为3D传感器输出的红外图像。这些传感器投射红外线图案以绘制深度图，因此，红外图像有许多白点，降低了其质量。因此，我希望处理此图像以使其更平滑，以便能够检测到放置在表面中的对象。

原始图片如下所示：

我的目标是拥有这样的东西（我用手阻挡红外线投射器获得）：

“开放式”形态操作确实会消除一些噪音，但我认为首先应该有一些解决白点的噪音消除操作。

有什么想法吗？

我应该提到减少噪音的算法必须实时运行。

Answer 1

中值滤波器将是我的第一次尝试......可能接着是高斯模糊。这真的取决于你之后想做什么。

例如，这是在5x5中值滤波器和5x5高斯模糊之后的原始图像：

Answer 2

图像的主要难点是白点的大半径。 中位数和形态滤波器在这里应该没什么用。

通常我不是这些算法的忠实粉丝，但您似乎有一个完美的用例，可以在功能空间上使用草图和振荡组件分解图像。 基本上，这些算法旨在求解接近观察图像的类似卡通的图像X，并且仅通过去除一些振荡纹理而与Y不同。 您可以找到相关论文和算法的列表here。

  

（免责声明：我不是JérômeGilles，但我认识他，我知道   他的大多数算法都是在普通的C中实现的，所以我认为大部分都是   使用OpenCV实现它们很实用。）

如果你想先尝试更简单的实现，你可以尝试其他方法：

• 获取输入图像和模糊版本之间的差异，看它是否强调点，在这种情况下，您可以轻松找到并标记它们。此部分的输出可能已足够，但您可能还想使用inpainting填充上一个点的位置，
• 或应用各向异性扩散（如Rudin-Osher-Fatemi方程）以查看点是否消失。尽管它具有明显的复杂性，但通过在this paper中应用算法，可以在OpenCV中轻松有效地实现这种扩散。电视传播也可以用于前一项的修复步骤。

Answer 3

IR投影图案是固定的还是随时间变化？ 在第二种情况下，您可以尝试利用点的移动。

例如，您可以获取一系列图像，并将结果图像的每个像素分配给序列的最小值（或非常低百分位数）。

修改：here is a Python script您可能想尝试

Answer 4

我对降噪的主要观点是要有一个更清晰的图像，这样就可以更容易地检测到物体。然而，当我试图找到问题的解决方案时，我意识到使用动态噪声消除算法从图像中去除所有噪声是不现实的，因为大多数图像实际上是噪声..所以我不得不尽管有这些条件，找到对象。这是我的方法

1 - 初始图片

2 - 背景减法，然后打开操作以平滑噪音

3 - 二进制阈值

4 - 形态操作接近确保物体没有边缘不连续（薄物体必需）

5 - 填充孔+打开形态操作以消除小噪声斑点

6 - 检测