图像分析 - 光纤识别

Question

我是图像分析的新手。你是否知道如何以这种方式将这种图像二值化以获得光纤？

我尝试了不同的门槛技术等，但我没有成功。我不介意我应该使用哪种工具，但我更喜欢.NET或Matlab。

PS：我不知道在哪里提出答案，所以我把它放在StackOverflow上。

Answer 1

以下内容可能有所帮助（Mathematica中的代码）：

DeleteSmallComponents[
 Binarize[
   LaplacianGaussianFilter[i, 2],
 .6],
 2]

显示匹配的图像合成：

ImageCompose[i, {i1, .4}] // ImageAdjust

Answer 2

尝试MinDetect和MaxDetect。

s = Sharpen @ ImageAdjust @ originalimage
{min, max} = {s~MinDetect~.3, s~MaxDetect~.7}
min~MedianFilter~5~MinFilter~5~MaxFilter~25~MinFilter~20
{min~ImageSubtract~%, max~ImageMultiply~%}
ImageAdd @@ %

Answer 3

了解Edge Detection。多数民众赞成在这种情况下你需要什么。门槛不会帮助你。 纤维（大多数是直的）将相对容易检测。但正如维基百科网站上有一章：“为什么边缘检测是一项非常重要的任务”......

Answer 4

根据评论，您似乎无法将提议的Mathematica解决方案转换为MATLAB。这是我的尝试：

@Nakilon解决方案

%# read image
I = im2double(imread('http://i.stack.imgur.com/6KCd1.jpg'));

%# ImageAdjust[]
II = I;
for k=1:size(II,3)
    mn = min(min( II(:,:,k) )); mx = max(max( II(:,:,k) ));
    II(:,:,k) = ( II(:,:,k) - mn ) ./ (mx-mn);
end

%# Sharpen[]
II = imfilter(II, fspecial('unsharp'));

%# MinDetect[], MaxDetect[]
II = rgb2gray(II);
mn = imextendedmin(II,0.3,8);
mx = imextendedmax(II,0.7,8);

%# pad image because Mathematica handles border cases differently than MATLAB
pad = 30;
q = padarray(mn, [pad pad], 'symmetric', 'both');

q = medfilt2(q, [5 5]*2+1, 'symmetric');                 %# MedianFilter[]
q = ordfilt2(q, 1, ones(2*5+1), 'symmetric');            %# MinFilter[]
q = ordfilt2(q, (25*2+1)^2, ones(25*2+1), 'symmetric');  %# MaxFilter[]
q = ordfilt2(q, 1, ones(20*2+1), 'symmetric');           %# MinFilter[]

%# un-pad image
q = q(pad+1:end-pad, pad+1:end-pad, :);

%# ImageSubtract[], ImageMultiply[], ImageAdd[]
a = imsubtract(mn,q)==1;    %# a = mn; a(q) = false;
b = immultiply(mx,q);       %# b = mx & q;
c = imadd(a,b);             %# c = a | b;

%# show images
figure(1)
subplot(121), imshow(mn)
subplot(122), imshow(mx)
figure(2), imshow(q)
figure(3)
subplot(121), imshow(a)
subplot(122), imshow(b)
figure(4), imshow(c)

请注意边缘有差异。在Mathematica文档中，它模糊地说：

  

在图像的边缘，MedianFilter / MinFilter / MaxFilter使用较小的邻域。

但是这种行为没有直接匹配，而是MATLAB为您提供了在图像边界自定义填充的选项。

---

@belisarius解决方案

%# read image
I = im2double(imread('http://i.stack.imgur.com/6KCd1.jpg'));

%# LaplacianGaussianFilter[]
II = imfilter( I , fspecial('log', [2 2]*2+1, (2*2+1)/2) );

%# ImageAdjust[]
for k=1:size(II,3)
    mn = min(min( II(:,:,k) )); mx = max(max( II(:,:,k) ));
    II(:,:,k) = ( II(:,:,k) - mn ) ./ (mx-mn);
end

%# Binarize[]
BW = im2bw(II, 0.6);

%# DeleteSmallComponents[]
BW = bwareaopen(BW, 2, 8);

%# show images
figure
subplot(121), imshow(BW)
subplot(122), imshow( imoverlay(I,BW,[0 1 0]) )