Question

我对图像处理和识别的背景知识很少。我试图检测灰度图像（如肖像）上的主要边缘/灰度过渡。问题是在某些部件上，边缘模糊（因为焦点）。我正在使用具有多个阈值的Canny边缘检测器，但我永远无法检测到这些边缘（下巴，衣服，耳朵，脸部的一侧......）

原始图片：这是我得到的结果：胡须，锋利的边缘这就是我感兴趣的功能：主要灰色区域

之间的过渡

边缘检测是否适用于此？谢谢！

更新：在边缘检测之前使用Deriche过滤并将图像的大小减半（使用apertureSize = 7），我的工作非常接近我想要的。

Answer 1

使用canny-deriche过滤器，您可以找到：

完整代码为here

Answer 2

它几乎不可能检测到这些边缘，因为它们已经模糊了很多。

边缘检测通过分析周围像素中颜色的快速变化来工作。模糊使像素平滑，这使得更改的强度更低，因此没有检测到边缘。

您可以尝试在边缘检测之前应用强锐化滤镜，但是，我认为对于这种模糊，边缘检测不会按预期工作。

即使你提高了边缘检测参数以检测那些模糊的边缘，你也会得到很多误报，使算法变得无用。

Answer 3

我唯一能想到的是基本上裁剪区域，并应用傅立叶（DFT）。然后根据幅度阈值分离像素，保持图案并将其应用于主图像（或仅使用反向傅立叶）。或者，您可以尝试以指数刻度执行此操作，以便扩大与背景对应的像素值与对应于图像的像素值之间的差距。

当然，所有这些建议都是针对单张照片定制的一次性解决方案，或者是在相同条件下拍摄的一系列照片（例如像MRI一样）。

我并没有真正看到以全自动方式完成此操作的可能性。

ANN解决方案

如果想采用ANN（人工神经网络）并设计一个，这当然不能保证成功，但它至少在原则上会依赖于它的设计。如果您想更深入地了解ANN在复杂图像处理中的应用，请阅读IEEE的此会议论文。

吨。 Kondo，J。Ueno和S. Takao。基于主成分回归分析的混合多层GMDH型神经网络在腹部多脏器医学图像识别中的应用。在第二届计算与网络国际研讨会（CANDAR），第157-163页。电气和电子工程师协会，IEEE，2014年12月。

自定义过滤器和数学原理

以下是您可能会发现的一些数学原理：

值得尝试自定义过滤器，例如：

-------------
| 1 | 2 | 1 |
-------------
| 0 | 0 | 0 |
-------------
|-1 |-2 | 1 |
-------------

请注意，这不会过滤任何（完全）垂直线。但是，您可以将其转置，因此情况恰恰相反。您也可以尝试在二进制图像（黑白）上应用滤镜，而不是灰度。

对于这样的过滤器，您可能仍然希望傅立叶减少计算并优化程序。

原则上，你可以用卷积来解释线性滤波：

Y = f[X; G] = X ⓧ G_{flip}

其中G是内核/掩码，G_ {flip}是翻转内核掩码。

2D中卷积的定义是：

X ⓧ G = Summation(∞, k=-∞){Summation(∞, l=-∞) x[i-k, j-l].G[k,l]}

这不是你问题的完整答案，但我希望它能在一定程度上帮助你。