问题标签 [morphological-analysis]

给定一个勾勒出字母 S 边缘的轮廓（例如在漫画 sans 中），我怎样才能沿着这个字母的脊椎获得一系列点，以便以后使用线条、三次样条或其他曲线表示技术来表示这个形状? 我想在 Python/OpenCV 中使用 30-40 个点来处理和表示形状。

形态骨架化可以对此有所帮助，但该操作似乎总是会产生错误的分支。有没有更好的方法将轮廓折叠成字母的“S”形？

在下面的示例中，您可以看到由形态骨架化产生的错误的“蛇舌”状分支。如果这是算法应该做的事情，我不知道说他们是错误的是否公平，但对我来说，我不希望他们在那里。

以下是漫画无字母：

骨架化的另一个问题是它的计算成本很高，但是如果你知道一种使它能够健壮地形成像树枝一样的“蛇舌”的方法，那么我会试一试。

我有一个包含对象的二进制图像，如下图所示。对象的centerline描述在 中red。对于属于对象的每个像素，我想用颜色重新标记它。例如，到中心线的正交距离是从中心线到对象边界距离的一半的像素，应标记为blue，否则为green。下面给出一个说明。有任何想法吗？另外，我怎么能适应一个gaussian以对象为中心的一维对象centerline呢orthogonal？

全分辨率的图像可以在以下位置找到：http: //imgur.com/AUK9Hs9

我正在尝试从文章中实现图像颜色的形态学方法：“灰度和彩色图像的概率伪形态”。在某一时刻，我们在整个图像上计算 PCA，计算切比雪夫不等式（论文中的等式 11：http://perso.telecom-paristech.fr/~bloch/P6Image/Projets/pseudoMorphology/Caliman-PR2014 。 pdf ) 每 3 个分量，这给了我们 3 对向量。我们接下来必须在 RGB 空间中表示这些向量。我不明白我们该怎么做？有人能帮我吗？

我试图找到图像中最大的对象并删除图像中小于它的任何其他对象。

这就是我所拥有的，但我无法让它工作。

我正在使用诸如这些的数字乳房 X 线照片。我正在尝试从图像中删除除乳房区域之外的所有对象。

我有兴趣为我的整个二进制图像找到坐标（X，Y），而不是单独为每个组件找到 CoM。我怎样才能有效地做到这一点？我猜想使用 regionprops，但找不到正确的方法。

我正在研究指纹细化，但是图像中有一些小线或异常值要删除。Image1 是二进制图像，Image2 是 Image1 的细化版本。如何删除异常值..提前谢谢。

我有一个图像分析/形态学问题，我需要一个基于 python 的解决方案。我是一名天文学家，试图从我的图像中掩盖宇宙射线轨迹（从 1 到 100 像素长的条纹）。我使用带有阈值的过滤技术挑选出曲目。它工作得很好，除非轨道碰到一个物体（恒星或星系）。正如您在下面看到的那样，我的轨迹上出现了斑点（如左图中的那个）和环（如右图中的那个）。

在这些图像中，您可以忽略波浪线和“X”，黑框是我的蒙版像素。我想做的是将轨道（长条纹）与斑点和环分开（仅供参考，环出现是因为过滤提高了对象边缘的重要性）。所以我的问题是如何对面具某些部分的形态进行分类并将斑点/环与轨道分开。

如果这样可以更容易地回答问题，这里是左侧图像的掩码：

理想情况下，我希望掩盖轨道，并且当它们与对象完全相交时，如右图所示，我想掩盖整个轨道，穿过对象，而不掩盖对象中不受影响的部分由轨道。所以我希望最终的蒙面结果看起来像这里显示的白色轨道：

谢谢！-亚当

关于从这样的图像中提取石头的算法有什么想法吗？

石头 http://www.highdesertlapidary.com/media/5/a2079181363c96d4d9c754_s.JPG

石头都是不同的颜色。我需要将它们与背景和可能存在的任何标尺分开。

谢谢你。

我正在尝试使用此源代码对图像进行形态关闭（检测到精巧的边缘） https://code.google.com/p/doccrop/source/browse/DocCrop/src/imageanalysis/morphology/Closing。 java?r=3

我创建了一个 Closing 实例，并将其应用到 BufferedImage 上，然后绘制它，但结果却是黑色图像！！起初我有一个错误，说图像必须是 type_byte_gray 所以我用它来更改类型，但我想它不起作用

我有一组物体，它们可能是球形的或细长的，它们可能有也可能没有连接到一端或两端的尾巴状结构。尾巴可长可短。它也可能有曲线。

我目前正在查看 regionprops 返回的信息，并试图查看是否有任何东西可以用来区分法线和尾部。我也在玩一些形态学操作。

我目前的想法是打开操作，然后与原始蒙版进行比较，但我不确定在存在细长单元的情况下这是否足够可靠，而且我还没有找到“完美”的结构元素。

由于我在 IA 领域的经验并不丰富（更多的是中级水平），因此我认为与他人联系并看看其他人是否有任何我尚未考虑的想法可能是一个好主意。

测试图像如下。有效动态范围为 12 位，但我已将它们标准化，以便更容易查看。

这里有一些“法线”进行比较：

PS 我并不太关心正在使用哪种语言，也不需要代码示例。但是，我正在使用 MATLAB，以防有人想深入研究实现。