如何检测模式的边界

Question

  

可能重复：
  Detecting thin lines in blurry image

正如标题所说，我试图探测模式的边界。在附加的图像中，您基本上可以看到三种不同的模式。

1. 关闭条纹线
2. 一条厚L形线
3. 1＆amp;之间的区域2

我试图将这三个分开，比如3个单独的图像。根据答案的去向，我会根据需要上传更多图片。想法或代码都会有所帮助。

Answer 1

您可以使用形态学来解决（对于某些“解决”值）这个问题。首先，为了使图像更均匀，删除不相关的最小值。一种方法是使用h-dome变换用于区域最小值，其抑制高度的最小值<1。 h。现在，我们想加入细线。这是通过具有水平线长度l的形态开口来实现的。如果合并了线条，则当前图像的区域最小值为背景。因此我们可以填补空洞以获得相关组件。以下代码总结了这些任务：

f = rgb2gray(imread('http://i.stack.imgur.com/02X9Z.jpg'));
hm = imhmin(f, h);
o = imopen(hm, strel('line', l, 0));
result = imfill(~imregionalmin(o), 'holes');

现在，您需要确定h和l。参数h预计会更容易，因为它与输入的比例无关，在您的示例中，[10,30]范围内的值可以正常工作。要确定l，粒度分析可能会有所帮助。另一种方法是检查result是否包含两个重要的连通分量，对应于较大的L形状和细线的区域。无需逐个增加l，您可以执行类似于二进制搜索的操作。

以下是hm，o和result图片h = 30和l = 15（{13,19]中的l同样有效好在这里）。这种方法为参数选择提供了灵活性，使得更容易选择/找到好的值。

要计算两个最大组件之间的空间区域，我们可以将它们合并，只需计算新连接组件内的黑色像素。

Answer 2

您可以传递一个窗口（10x10像素？）并收集该窗口的功能。这些功能可以像该窗口中的累积gradients (edges)一样简单。只要窗口足够大，这就可以区分各个区域。

然后使用每个窗口作为数据点，您可以进行一些聚类，或者如果模式变化不大，您可以执行一些简单的阈值来确定哪些数据点属于哪些模式（较大的梯度总和属于小线：更多的边，而最小的梯度和属于最粗的线：只有一条边，而其间的属于另一条“中间”模式。

完成此分类后，您可以根据需要创建单独的图像。

Answer 3

只是抛弃想法。您可以对图像进行二值化并执行连接的组件标记。然后对连接的组件（如宽度）进行一些分析，以区分区域。