如何从图像中删除某些背景？

#1 楼

如果您的Gábor滤波器的输出是可靠的，并且图像数据的变化不是很高，以致结果看起来完全不同，那么您可以使用以下方法（部分内容已经提到）： br />
使用任何自动阈值算法对第二张图像进行二值化处理。您将看到的阈值范围将很大。
使用分量标记算法以唯一的值标记像素的每个连接区域。

计算图像的每个分量一个描述对象与实心圆的接近程度的属性。为此，您可以使用例如紧凑性。我使用了低于等效磁盘半径内的像素分数。该半径是与对象具有相同面积的磁盘的半径。




面积只是在计算对象的像素数
给定其面积的圆的半径也应易于管理
对于此半径内的像素，您需要每个图像对象的中心，但这只是对象像素所有位置的平均值。如果您是物理学家，那么您就会知道几个点质量的质心。等价。
现在，您为每个对象的每个像素计算距其中心的距离，并检查其是否小于圆半径。将两个数字相除，便得到内部像素和外部像素的分数。


取分数最高的对象。注意：只有一个像素的对象将获得1的值。因此，您应该设置大小阈值，并且只接受较大的对象（例如10像素）。以下是极低和极高阈值的结果：



更新组件标签

组件标签的选择对于您的应用程序并不重要。我建议，如果您必须自己实现它，请使用一种非常简单的方法。 Wikipedia网站的一过一通版本非常简单。基本上，您会遍历二进制图像，并且遇到一个白色且尚未标记的像素时，请对该对象使用新的标记，并从该像素开始。

用标签标记该对象的过程基本上类似于泛洪填充。这是Wikipedia站点上算法的内部步骤1-4。您从这个标记的像素开始，然后将其所有相邻像素放在堆栈中（它们使用了向量）。对于堆栈上的像素，请检查其是否为前景并且尚未标记。如果必须标记它，则可以将其所有邻居再次放置在堆栈中。这样做直到堆栈为空。

然后继续扫描图像。与Wiki网站上的说明不同，您不必从原始图像中删除像素，而当标签图像中的值不同于0时，只需跳过。

#2 楼

一些想法：


根据边缘强度的密度过滤掉边缘。使用圆形核的近似值，求出平均边缘强度（或其他度量）。通过等于或高于阈值的任何边缘，将低于阈值的任何边缘设置为黑色。
使用形态学的“关闭”操作（先扩张后腐蚀），以清理图像，然后使用区域标记算法（ aka连接的组件，斑点）查找所有斑点。根据大小，长轴与短轴的比率等过滤Blob数据。
尝试使用高斯模糊，找到一个二值化阈值以将暗处的光线分段，然后按照上面的步骤2中所述过滤Blob。 （要快速逼近高斯模糊，请紧压双眼皮并斜视图像）。

编辑：在中值滤波步骤之后，您已完成大部分操作。做得好！我在上面建议的第2项（关闭，然后进行区域标记）是一种将您带到其余部分的技术。

#3 楼

您可以尝试激活轮廓。尽管它可能很慢，但它可以处理类似的复杂情况。

或者您可以使用一些先验知识来处理此图像。例如，您知道blob事物是“大”和“连接”的。因此，当您计算每个连接区域的数量时，就可以找到它。