我已经开展了一个项目，可以自动分析从特定类型微裂缝显微镜拍摄的图像。问题是所使用的相机处于“自动”设置，因此微裂缝（看起来像针刺）是从一张照片到下一张照片的各种阴影。
背景也处于不同的饱和度水平，并且有些项目（照片中看起来非常明亮）看起来像骨折，但是我需要折扣的东西是不同的。
有人可以推荐一种我可以调查的技术来帮助我解决这个问题吗？
答案 0 :(得分：0)
这是图像识别中非常正常的情况 - 不同的光照条件，不同的物体方向，不同的比例，不同的图像分辨率。已经开发了从这些图像中提取有用特征的方法。我不是该领域的专家，但我怀疑任何有关该主题的通用书籍至少包含对图像规范化和特征提取方法的简要回顾。
答案 1 :(得分：0)
如果微裂缝是尖锐的边缘过渡，那么简单技术的组合可以让您找到与这些裂缝相对应的强边缘点的连通区域。如果骨折也显得很暗，那么你应该能够将它们与明亮的骨折样特征区分开来。
简言之：
如果要在背景中找到边缘较强的薄特征，则可以生成边缘贴图（或边缘图像），其中每个像素代表局部边缘强度。由其他中灰色像素包围的中灰色像素将具有相对低的边缘强度，而由浅灰色像素包围的黑色像素将具有相对高的边缘强度。各种边缘寻找技术包括Sobel，Prewitt，Canny，Laplacian和Laplacian of Gaussian（LoG）;我不会在这里描述那些，因为如果你不熟悉维基百科就有条目。
一旦有了边缘贴图，就可以使用二进制阈值将边缘贴图转换为黑白像素。如果您有证据表明裂缝的边缘强度为20，那么您将使用值20作为图像上的二值化阈值。二进制化将为您提供黑白边缘地图，其中白色像素表示强边缘，黑色像素表示背景。
获得二值化边缘图后，您可能需要执行形态学“关闭”操作，以确保可能彼此接近的白色像素成为同一连接区域的一部分。
在二进制化边缘图上执行关闭后，您可以搜索连接的组件（可称为“轮廓”或“斑点”）。对于大多数应用，最好识别4个连接区域，其中像素被认为连接到顶部，左侧，底部和右侧的像素，而不是左上角和其他角落的邻居。如果这些特征通常是单像素线或蜿蜒裂缝，并且如果没有太多噪声，那么您可以通过识别8个连接区域来逃脱。
确定连接区域后，您可以根据区域，最长轴的长度和/或其他参数进行过滤。
如果暗和亮特征都具有强边缘，并且如果要消除明亮特征，则有几种方法可以消除它们。在原始图像中，您可以通过将阈值亮度上的所有值设置为该亮度来剪切图像。如果要保留的要素比图像的中值灰度值暗，则可以忽略比中值灰度值更亮的所有像素。如果背景强度变化很大，您可以计算某个地区的中位数。
一旦我们看到您的图片，我相信您会得到更多建议。如果你试图解决的问题与我所研究的问题类似，那就是在高度纹理化的表面上找到裂缝，那么我可以更加具体地考虑算法。