คำถามติดแท็ก image-processing

โดยทั่วไปแล้วการประมวลผลภาพเป็นรูปแบบของการประมวลผลสัญญาณใด ๆ ที่อินพุตเป็นรูปภาพเช่นกรอบรูปหรือวิดีโอ

2
การแบ่งส่วนของวัสดุโปร่งใสครึ่งหนึ่งเช่นแก้ว
ฉันติดอยู่กับปัญหาเกี่ยวกับการแบ่งส่วนของวัตถุที่เป็นแก้ว ฉันต้องการวัตถุที่แม่นยำที่สุดเท่าที่จะเป็นไปได้ แนวทางของฉันแตกต่างกัน ตอนแรกฉันพยายามที่จะลบพื้นหลังเพื่อให้มีเพียงส่วนโค้งที่คมชัดเท่านั้น แต่ใช้งานได้กับวัตถุที่มีขอบ / การไล่ระดับสีคม มิฉะนั้นวัตถุก็จะถูกลบออกด้วย ฉันโพสต์ภาพที่แตกต่างกันสองภาพ ฉันพยายามที่จะลบพื้นหลังผ่านการดำเนินการทางสัณฐานวิทยาเช่นการขยายสีเทาและ divison บนมัน แต่มันก็ไม่ได้ช่วยอะไรมาก หลังจากนั้นฉันลองใช้วิธี k โดยใช้ k = 3 เพื่อให้ได้พื้นหลังที่ถูกดัดแปลงแยกออกจากค่าสีเทาและสีดำของแก้ว ไม่ประสบความสำเร็จในบางกรณี แต่ไม่รวม / โดยเฉลี่ย ฉันยังพยายามตรวจจับขอบแสนรู้ด้วยตัวกรองเบลอโดยรวม แต่สิ่งที่นำไปสู่ผลลัพธ์ที่อ่อนแอลงในรูปแบบของรูปทรงเปิดเสียงรบกวนมากมาย ฯลฯ pp Canny ด้วยผลลัพธ์ขีด จำกัด อัตโนมัติ: testimg = imread('http://i.imgur.com/huQVt.png'); imshow(testimg) imedges = edge(testimg,'canny'); imshow(imedges); กันไปสำหรับภาพที่สอง อย่างที่คุณเห็นมีเสียงรบกวนมากมายทั้งในและนอกและเพิ่มขอบสองเท่าจากขอบแก้ว แม้จะมีช่องว่างที่ขอบ ดังนั้นฉันต้องการคำแนะนำของคุณสำหรับวิธีการทั่วไปในการจัดการกับปัญหาของวัสดุกึ่งโปร่งใสนี้ไม่ใช่เพียงแค่ภาพสองภาพนี้ 1) แนวคิดอื่น ๆ สำหรับการลบพื้นหลังโดยไม่ทำให้วัตถุเสียหายหรือไม่ 2) วิธีการแบ่งส่วนอื่น …

1
Thresholding แบบปรับตัวสำหรับการแบ่งส่วนตับโดยใช้ Matlab
ฉันต้องแบ่งตับออกจากภาพ CT ของท้องโดยใช้ Adaptive Thresholding แต่ฉันได้พื้นหน้าทั้งหมดแยกออกจากพื้นหลังเพียงอย่างเดียว ฉันต้องการเพียงส่วนตับของเบื้องหน้าที่แยกจากกัน ลองดูไฟล์ pdf ในhttp://www.ijcaonline.org/casct/number1/SPE34T.pdf ฉันต้องการเอาต์พุตคล้ายกับที่แสดงในรูปที่ 6 ฉันแนบรหัสของฉันที่นี่ กรุณาช่วยฉันออก %testadaptivethresh.m clear;close all; im1=imread('nfliver2.jpg'); bwim1=adaptivethreshold(im1,11,0.03,0); figure,imshow(im1); figure,imshow(bwim1); imwrite(bwim1,'at2.jpg'); function bw=adaptivethreshold(IM,ws,C,tm) %ADAPTIVETHRESHOLD An adaptive thresholding algorithm that seperates the %foreground from the background with nonuniform illumination. % bw=adaptivethreshold(IM,ws,C) outputs a binary image bw with the local % …

2
อัลกอริทึมที่อยู่เบื้องหลังการปรับเลเยอร์“ ขาวดำ” ของ Photoshop คืออะไร?
บางคนสามารถอธิบายอัลกอริทึมที่อยู่เบื้องหลังเลเยอร์การปรับ "ขาวดำ" ใน photoshop ได้ไหม? ฉันต้องทำซ้ำโดยใช้ C ++ สำหรับแอปพลิเคชันที่เน้นพิกเซลที่ไม่ใช่สีแดง / สีม่วงแดง (ish) จากรูปภาพ (ที่มีความอดทนร้อยละเหมือนกำหนดค่าได้) และทรัพยากรนี้แสดงพฤติกรรมที่ฉันคาดหวัง ยังคงทำซ้ำไม่ได้ แต่ฉันพบเบาะแส: แต่ละพิกเซลถูกกำหนดโดยตัวควบคุมมากถึงสองตัวเสริมหนึ่ง (RGB) และหนึ่งลบ (CMY)

1
ความแตกต่างระหว่างตัวตรวจจับคุณสมบัติและตัวอธิบายคุณลักษณะคืออะไร
ความแตกต่างระหว่างตัวตรวจจับคุณสมบัติและตัวอธิบายคุณลักษณะคืออะไร ซึ่งในบรรดาสิ่งเหล่านี้คือเครื่องตรวจจับและเป็นตัวบ่งชี้: แฮร์ริสเซิร์ฟมินไอเกนรวดเร็วฟาสต์บริสก์

4
Convolution สามารถแสดงเป็นการคูณเมทริกซ์ได้อย่างไร (แบบฟอร์มเมทริกซ์)
ฉันรู้ว่าคำถามนี้อาจไม่เกี่ยวข้องกับการเขียนโปรแกรม แต่ถ้าฉันไม่เข้าใจทฤษฎีที่อยู่เบื้องหลังการประมวลผลภาพฉันจะไม่สามารถนำบางสิ่งไปใช้ในทางปฏิบัติ ถ้าฉันเข้าใจถูกต้องตัวกรองเกาส์เซียนจะถูกโน้มน้าวด้วยภาพเพื่อลดสัญญาณรบกวนเนื่องจากพวกมันคำนวณค่าเฉลี่ยของพื้นที่ใกล้เคียงของพิกเซลและพวกมันมีประโยชน์มากในการตรวจจับขอบเนื่องจากคุณสามารถใช้ความเบลอและได้ภาพในเวลาเดียวกันด้วย เพียงแค่สนทนากับอนุพันธ์ของฟังก์ชันเกาส์เซียน แต่ทุกคนสามารถอธิบายฉันได้หรือให้การอ้างอิงบางอย่างแก่ฉันเกี่ยวกับวิธีคำนวณ เช่นเครื่องตรวจจับขอบของ Cannyพูดถึงตัวกรอง Gaussian 5x5 แต่พวกเขารับหมายเลขเหล่านั้นได้อย่างไร และพวกเขาเปลี่ยนจากการโน้มน้าวอย่างต่อเนื่องเป็นการคูณเมทริกซ์ได้อย่างไร

3
ทำความเข้าใจเกี่ยวกับองค์ประกอบ Cb และ Cr ของ YCbCr Color Space
ฉันคุ้นเคยกับการเพิ่มเติม (RGB), substractive (CMYK), และ coloraces เหมือน HSV แต่บทความที่ฉันพยายามจะเข้าใจในขณะนี้ดำเนินการในพื้นที่สีYCbCrสำหรับการแบ่งส่วนภาพ / ความหมายของวัตถุ ฉันใช้เวลาส่วนใหญ่ในตอนเช้าเพื่อหาสิ่งที่จะอธิบาย YCbCr ตามธรรมชาติ แต่ฉันก็ไม่เข้าใจ ฉันได้รับคำอธิบายที่ดีและเข้าใจง่ายเกี่ยวกับแนวคิดทั่วไปที่อยู่เบื้องหลังพื้นที่สีนี้ ที่นี่และคำอธิบายว่ามันถูกใช้สำหรับการเข้ารหัส / บีบอัดภาพจากพวกเหล่านี้ได้อย่างไร (ทั้งหมดบนภาพถ่าย) สูตรสำหรับการคำนวณจาก YCbCr RGB เป็นมั่นเหมาะสามารถเข้าถึงได้บนวิกิพีเดีย ฉันได้รับแรงจูงใจสำหรับการเป็นตัวแทนนี้ฉันได้รับองค์ประกอบ Y ที่มีข้อมูลระดับสีเทาที่สำคัญที่สุด (ต่อสายตามนุษย์) เกี่ยวกับภาพ ฉันได้รับ Cb และ Cr นำข้อมูลเกี่ยวกับสีและ (เนื่องจากความรู้สึกของคน (ใน) ความรู้สึก) พวกเขาสามารถบีบอัดได้โดยไม่สูญเสียคุณภาพที่มองเห็นได้ แต่องค์ประกอบ Chrominance แต่ละอันนั้นแสดงถึงอะไร? ในขณะที่ผู้เขียนบทความกล่าวว่า "ข้อมูล chrominance เป็นสิ่งสำคัญที่สุดในการกำหนดวัตถุ" ในวิธีการของพวกเขาและฉันไม่สามารถเข้าใจสิ่งที่ฉันกำลังอ่านกับ "Y คือความเข้ม Cb และ …

2
ความแตกต่างระหว่างความแตกต่างของ Gaussian, Laplace of Gaussian และเวฟเวฟ Hat Mexican คืออะไร
มีสามเทคนิคที่ใช้ใน CV ที่ดูเหมือนกันมาก แต่มีความแตกต่างเล็กน้อยคือ: Laplacian แห่งเกาส์เซียน:∇2[ g( x , y, t ) ∗ f( x , y) ]∇2[g(x,y,t)∗f(x,y)]\nabla^2\left[g(x,y,t)\ast f(x,y)\right] ความแตกต่างของ Gaussians:[ g1( x , y, t ) ∗ f( x , y) ] - [ g2( x , y, t ) ∗ f( x , y) ][g1(x,y,t)∗f(x,y)]−[g2(x,y,t)∗f(x,y)] \left[g_1(x,y,t)\ast f(x,y)\right] - …

2
การประมวลผลภาพ - การนับนิวเคลียส
ฉันกำลังพยายามสร้างโปรแกรมที่สามารถนับจำนวนนิวเคลียสในภาพ: สิ่งที่ฉันทำไปแล้วคือขั้นตอนต่อไปนี้: ใช้ Alternating Sequential Filter (การปิดและเปิดภาพด้วยองค์ประกอบโครงสร้างที่ใหญ่ขึ้นเรื่อย ๆ ) ใช้การแปลงระยะทาง ใช้การแบ่งส่วนลุ่มน้ำโดยใช้ภาพแปลงระยะทางในการตรวจจับขั้นต่ำ ซึ่งให้ผลลัพธ์ต่อไปนี้ (โดยที่แต่ละสีแสดงถึงนิวเคลียสใหม่นับ): อย่างที่เราเห็นมีความไม่สมบูรณ์จำนวนมากโดยเฉพาะนิวเคลียสที่มากเกินไป ฉันจะบอกว่าเหตุผลของปัญหานั้นคือวิธีที่ฉันกำหนดขั้นต่ำสำหรับการแปลงลุ่มน้ำ (โดยใช้การแปลงระยะทาง) แต่ฉันไม่มีความคิดอื่น ๆ สำหรับการกำหนดขอบเขตขั้นต่ำในกรณีนั้น เมื่อการแปลงระยะทางสร้างขั้นตอนน้อยที่สุดตามความกลมของวัตถุฉันต้องการทราบทางเลือกที่ดีกว่าในการปัดเศษนิวเคลียสมากกว่าตัวกรองสลับลำดับ (ดูที่ภาพด้านบนเราสามารถอนุมานได้ว่า "เกิน" ส่วนใหญ่มาจาก นิวเคลียสที่โค้งมนน้อยลง) ฉันต้องการทราบวิธีที่ดีกว่าในการกำหนดให้ minima สำหรับการแปลงลุ่มน้ำ

3
ตรวจจับวัตถุที่ทำจากแก้ว
ฉันถูกส่งมาที่นี่จากคำถามนี้ใน stackoverflowโปรดยกโทษให้ฉันหากคำถามนั้นเจาะจงเกินไปและไม่ใช่ในลักษณะที่นี่ :) ภารกิจคือการหาแก้วที่มีของเหลวเฉพาะในนั้น ให้ฉันแสดงภาพแล้วอธิบายสิ่งที่ฉันพยายามบรรลุและวิธีที่ฉันพยายามบรรลุจนถึงในคำอธิบายด้านล่างภาพ รูปภาพ : (ดูเหมือนว่าฉันต้องการอย่างน้อย 10 ชื่อเสียงในการโพสต์รูปภาพและลิงก์ดังนั้นลิงก์จะต้องทำ :( มิฉะนั้นคุณสามารถดูคำถามล้นสแต็คได้) คำอธิบายโดยละเอียด : ฉันพยายามใช้อัลกอริทึมที่จะตรวจจับแก้วที่มีรูปร่างเฉพาะใน opencv (แก้วอาจถูกเปลี่ยนโดยมุมถ่าย / ระยะทางของกล้องที่แตกต่างกัน) นอกจากนี้ยังจะมีแว่นตาอื่น ๆ ของรูปร่างอื่น ๆ แก้วที่ฉันกำลังค้นหาจะเต็มไปด้วยของเหลวสีบางอย่างที่จะแยกความแตกต่างจากแก้วที่มีสีอื่น ถึงตอนนี้ฉันได้ลองใช้ตัวแยกฟีเจอร์ SIFT เพื่อพยายามค้นหาฟีเจอร์บางอย่างในกระจกแล้วจับคู่พวกมันกับรูปอื่น ๆ ที่มีกระจกอยู่ วิธีการนี้ใช้งานได้เฉพาะในสภาพที่เฉพาะเจาะจงซึ่งฉันจะมีกระจกในตำแหน่งที่เฉพาะเจาะจงมากและพื้นหลังจะคล้ายกับภาพการเรียนรู้ ปัญหาก็คือว่าแก้วเป็นวัตถุ 3 มิติและฉันไม่รู้วิธีแยกฟีเจอร์จากสิ่งนั้น (อาจมีภาพถ่ายหลายภาพจากมุมที่แตกต่างกันที่เชื่อมโยงอย่างใด?) ตอนนี้ฉันไม่รู้ว่าฉันจะใช้วิธีการอื่นได้อย่างไร ฉันได้พบเบาะแสบางอย่างเกี่ยวกับเรื่องนี้ (ที่นี่/programming/10168686/algorithm-improvement-for-coca-cola-cola-can-shape-recognition#answer-10219338 ) แต่ดูเหมือนว่าลิงก์จะใช้งานไม่ได้ ปัญหาอีกประการหนึ่งก็คือการตรวจสอบ "ระดับความว่างเปล่า" ที่แตกต่างกันในแก้วนั้น แต่ฉันก็ไม่สามารถที่จะค้นหาตัวกระจกได้อย่างถูกต้อง คำแนะนำของคุณเกี่ยวกับวิธีการในงานนี้คืออะไร? จะเป็นการดีกว่าถ้าใช้วิธีอื่นเพื่อค้นหาคุณลักษณะวัตถุ 3 มิติในพื้นที่ หรือจะเป็นการดีกว่าถ้าใช้วิธีอื่นทั้งหมด? ฉันเคยได้ยินเกี่ยวกับอัลกอริทึม "เรียนรู้" …

1
วิธีการตรวจจับจุดศูนย์กลางของวงกลมที่พร่ามัวด้วย opencv
ฉันมีภาพต่อไปนี้: มีรูปโค้งอยู่บนภาพ ฉันต้องการหาศูนย์กลางของวงกลมที่มีส่วนโค้ง ฉันพยายามแปลง opencv และ hough เป็นวงกลม แต่ก็ไม่มีผลลัพธ์

1
ระบบโฟกัสอัตโนมัติในกล้องทำงานอย่างไร
ฉันแค่สงสัยว่าระบบโฟกัสอัตโนมัติของกล้องทำงานอย่างไร การประมวลผลชนิดใดที่ทำกับภาพเพื่อปรับโฟกัส มีรหัสที่มีอิสระซึ่งตรวจจับระดับโฟกัสของภาพหรือวิดีโอหรือไม่?

4
การกำจัดจุดรบกวนในภาพที่แบ่งส่วนทางการแพทย์
ใครบ้างสามารถแนะนำวิธีกำจัดสัญญาณรบกวน (ที่ระบุไว้ในสี่เหลี่ยมสีแดง) จากทุกจุดในภาพต่อไปนี้ในขณะที่รักษาเส้นสีขาวไว้ได้?

1
ให้คำแนะนำในการตรวจสอบสถานที่สำคัญทางกายวิภาคในปริมาณที่สร้างขึ้นใหม่ CT
ฉันพยายามตรวจสอบสถานที่สำคัญทางกายวิภาคที่กำหนดโดยแพทย์ในปริมาณที่สร้างขึ้นใหม่โดยอัตโนมัติ CT แพทย์ใช้สถานที่สำคัญเหล่านี้เพื่อวัดพารามิเตอร์เฉพาะของผู้ป่วย ฉันพยายามใช้ตัวบอกคุณสมบัติ SIFT เนื่องจากสถานที่สำคัญทางกายวิภาคเหล่านี้เป็น "จุดสำคัญ" สิ่งนี้ทำงานได้ไม่ดีนักเนื่องจากจุดสังเกตคือจุด (หรือพื้นที่เล็ก ๆ ) ซึ่งโดยทั่วไปไม่ใช่ "จุดสนใจ" ตามที่กำหนดโดย SIFT ฉันกำลังมองหาอัลกอริธึมการจับคู่รูปแบบ / เทมเพลตมากมาย แต่เมื่อฉันไม่มีปัญหาการหมุน / การแปล / สเกลฉันพบว่าคุณสมบัติที่แยกออกมานั้นไม่แยกความแตกต่างของจุดสังเกตแต่ละจุดให้เพียงพอ (จากสถานที่สำคัญอื่น ๆ จุดสังเกตที่สำคัญ) เพื่อฝึกอบรมตัวจําแนกที่มีประสิทธิภาพเพียงพอ (อย่างน้อย 80% ของความถูกต้องในการตรวจจับ) โปรดแจ้งให้เราทราบหากฉันไม่ได้ระบุปัญหาให้ชัดเจนเพียงพอ ฉันขอขอบคุณคำแนะนำใด ๆ ขอบคุณ! ภาพตัวอย่าง: กากบาท x ตัวเล็กและสี่เหลี่ยมจัตุรัสเล็ก ๆ อยู่เหนือจุดสังเกตที่ฉันต้องการตรวจจับ (ฉันลืมที่จะพูดถึงว่าฉันมีชุดฝึกอบรมพร้อมกับจุดสังเกตที่มีป้ายกำกับ) เส้นสีขาวแสดงถึงมาตรการที่ใช้ เหล่านี้เป็นบางกรณีที่แตกต่างกัน (แน่นอนฉันไม่สามารถโพสต์เสียงสามมิติเต็มรูปแบบ)

2
เกี่ยวกับการลดเสียงรบกวนของภาพความถี่เวลา
ฉันสงสัยว่าเทคนิคอาจจะใช้ได้สำหรับ ' de-noising ' ตัวอย่างต่อไปนี้ภาพเวลาความถี่ที่ถูกสร้างขึ้นโดยใช้วิธีการของเวลช์ พล็อตต่อไปนี้สร้างขึ้นจากเซ็นเซอร์หุ่นยนต์ (นี่ไม่ใช่ภาพสี - เป็นภาพสีเทา - เพิ่มสีเพื่อจุดประสงค์ด้านภาพเท่านั้น) เป้าหมาย: เป้าหมายของฉันในที่สุดก็คือการประมาณอัตราการเต้นของชีพจรที่คุณเห็นที่นี่หากมีพัลส์ดังกล่าว นี่อาจเป็นไก่และไข่ด้วยเหตุนี้ฉันจึงถามตัวเองว่า "อัตราการเป็นตัวแทน + +- 10% นี้มีอยู่หรือเปล่า?" และตรวจจับพวกมัน สิ่งที่คุณเห็นอยู่ที่นี่คือสัญญาณ (พัลส์) แต่พร้อมกับสัญญาณรบกวนอื่น ๆ ที่ไม่ต้องการ อย่างไรก็ตามตามที่ Emre แนะนำพวกเขามีโครงสร้างแม้ว่าจะอยู่ในพื้นที่ Time-Frequency ตัวกรองความถี่ตามเวลามีอยู่จริงหรือไม่? ฉันจะขอเหมือนจะเห็นโซลูชั่นการประมวลผลภาพที่นำมาใช้ที่นี่ แต่ฉันเปิดเพื่อแก้ปัญหาใด ๆ ดังนั้น: เป้าหมายคือการลบสัญญาณความเข้มสูงทั้งหมดยกเว้นพัลส์ซ้ำ ๆ (พบใกล้ดัชนี 300 บนแกน y) ตามที่เห็น สัญญาณความเข้มสูงอื่น ๆ ทั้งหมดถือได้ว่าเป็น 'สัญญาณรบกวน' สมมติฐานที่คุณอาจจะ: คุณอาจจะคิดว่าคุณประมาณทราบความยาวชีพจรที่คุณจะได้เห็นที่นี่ (ให้เราบอกว่าภายใน +/- 10%) …

3
Chroma-Subsampling: วิธีการคำนวณอัตราข้อมูลอย่างถูกต้อง
ฉันมีความยากลำบากในการทำความเข้าใจวิธีการคำนวณอัตราข้อมูลเมื่อยกระดับการสุ่มตัวอย่างด้วยสีในตัวอย่างของภาพ Y'UV: ฉันมีตัวอย่างต่อไปนี้สำหรับการคำนวณ: ความละเอียดของภาพ: 352*288 ความถี่: 25 fps สำหรับ(4: 4: 4)การคำนวณตัวอย่างจะเป็นดังนี้: (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s จนถึงตอนนี้ดีมาก แต่ตอนนี้มาถึง(4: 2: 0) : (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s ตอนนี้พยายามที่จะถ่ายโอนตัวอย่างนี้ไปยังเช่น(4: 1: …

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.