Автоматическое выделение характерных объектов на изображении Опции

[fontp]

А по x сделать потом согласованную фильтрацию. Но для этого нужно знать ЧТО мы ищем.
А об этом пока молчат..

Ищем мы видимо контуры.
Но это скрываем

Во всяком случае красные маркеры позиционированы на контурах

[Rst7]

Там яркость не непрерывна, а модулирована плотностью белых шумоподобных точек.

Вы не поверите, но в связи с квантовой природой света любое изображение - шумоподобно. Просто усредняется здорово

Вообще убрать y-координату можно только тогда, если есть основания считать, что полосы строго вертикальны.
А если они немного наклонны?

Мои телепатические способности подсказывают мне, что полосы строго вертикальны. Походу это данные с фотоприемной линейки, а вот что на нее проецируется - это я уже хз.

А по x сделать потом согласованную фильтрацию. Но для этого нужно знать ЧТО мы ищем.

Именно. Ждем уточнений.

[blackfin]

Мои телепатические способности подсказывают мне, что полосы строго вертикальны. Походу это данные с фотоприемной линейки, а вот что на нее проецируется - это я уже хз.

Дык, "походу" нашли исполнителя по измерению стволовых заготовок..

[Rst7]

Дык, "походу" нашли исполнителя по измерению стволовых заготовок..

Тогда имеет смысл поставить лампочку посильнее. А то соотношение с/ш маловато.

[Methane]

Тогда имеет смысл поставить лампочку посильнее. А то соотношение с/ш маловато.

+1. Лампочку сильнее и вообще CCD от сканера + объектив от фотоаппарата. Должно сильно лучше получится.

[mdmitry]

Для обработки изображений достаточно часто используется вэйвлет анализ, в частности, для борьбы с зашумленностью.

[DRUID3]

Для обработки изображений достаточно часто используется вэйвлет анализ, в частности, для борьбы с зашумленностью.

Оно то конечно так... Но судя по конкретной задаче "стартера" боюсь, что может хватить аппроксимации дифференциатора по x-у и компаратора-счетчика...

[newleshii]

Ранее приведенная картинка является в общем то самым лучшим вариантом, но очень часто получается что-то типа такого, когда вертикальные линии рваные, размытые и очень тесно соприкасаются.

[fontp]

Ранее приведенная картинка является в общем то самым лучшим вариантом, но очень часто получается что-то типа такого, когда вертикальные линии рваные, размытые и очень тесно соприкасаются.

Ну так и сложите все строки по y чтобы не были рваными и не соприкасались. Что Вам мешает?
Если картинка цветная - сложите покомпонентно.
Со строкой получившейся уже разбирайтесь.

[GetSmart]

Ранее приведенная картинка является в общем то самым лучшим вариантом, но очень часто получается что-то типа такого, когда вертикальные линии рваные, размытые и очень тесно соприкасаются.

Картинка - жуть
Тут даже глазом (а глаз + моск = мощнейший анализатор картинок ) мало что можно идентифицировать. Особенно границы. И судя по 7 и 10 зоне суммирование строк может только ухудшить их идентификацию. Всё-таки алгоритм должен работать с индивидуальными строками, а потом эти N результатов как-то объединять по функции OR, но не сложением. С другой стороны, 1 и 2 зоны в некоторых строках вообще сливаются в одну, но результат должен чётко идентифицировать раздел между ними. Тяжёлый случай

[AndrewN]

Ранее приведенная картинка является в общем то самым лучшим вариантом, но очень часто получается что-то типа такого, когда вертикальные линии рваные, размытые и очень тесно соприкасаются.

Можно попробовать. Но нужно несколько картинок с разными данными (10 - 20) - лучше всего в формате pgm (двоичном).

[newleshii]

Можно попробовать. Но нужно несколько картинок с разными данными (10 - 20) - лучше всего в формате pgm (двоичном).

Все что пока оперативно можно предложить (т.е. итого три штук)

[GetSmart]

Все что пока оперативно можно предложить (т.е. итого три штук)

В данный момент (на представленных картинках) кто и как определил границы объектов?

[Methane]

В данный момент (на представленных картинках) кто и как определил границы объектов?

Я уже писал. Просто усреднить сверху вниз. Может быть предварительно пропустив через какой-то цветной фильтр.

[fontp]

Я уже писал. Просто усреднить сверху вниз. Может быть предварительно пропустив через какой-то цветной фильтр.

Раз полосы вертикальны то очевидно что-то нужно накоплять по столбцам.
Может быть сначала выделить текстурные признаки, если играет роль не только цвет, но и текстура (например размер неоднородностей). На последнем снимке должно расслоиться по цвету, на предыдущем зоны 7 и 10 навряд ли, сложный вопрос. От порога чувствительности будет зависить сколько зон - то ли 10, то ли 15

Для зоны 10 хорошо заметно, что её свойства не проявляются большинством пикселей, её свойства определяются меньшинством, маргинальны, а значит ни среднее, ни медиана не являются хорошим признаком. Нужно вырабатывать какой-то признак учитывающий отклонения от среднего.
Может энтропия? S*log(S) по каждому цвету. Максимум энтропии широко используется при сегментации текстур