Есть картинка (самая верхняя). Задача выделить на ней объекты в соответствии с красными линиями (как показано на нижней картинке).
Какие идеи могут быть о подходе решения данной задачи?


Нажмите для просмотра прикрепленного файла

А что на картинке? Там всегда "объекты" будут выдляться строго вертикальными линиями? Тогда имхо все горизонтальные строки картинки нужно уложить (сложить) в одну, таким образом повысится сигнал/шум и после этого можно поднять контраст. А потом останутся сущие пустяки, типа "если точка больше порога, то 1, иначе 0".

Matlab+Image processing Tool Box.
Можно при желании задать объект и подсчитать количество объектов на изображении. (Была такая задача очень давно)

Я бы даже не с матлаба, а вообще с гимпа начал. Поигрался бы контрастностью итд.


ИМХО очевидно что можно просто считать среднее для каждого Х. Ну а что дальше делать, моей телепатии не хватает.

Да



Там изначально разница между полезной составляющей и шумовой обычно очень маленькая, поэтому при суммировании икса по игрик шумовая составляющая также нехило возрастет.



Ну к одномерной задаче я вроде бы пытался приводить, но после перехода к одномерному варианту, близко расположенные вертикальные пучности оказываются слипшимися, да и просто не особо то над шумами и выделялись. Т.е. когда смотришь на картину в целом, то глазками вроде все видно хорошо, а как переходишь в ономерный вариант (я тоже просто суммировал), то там адекватно рапссчитать порог не всегда получается.


Объект не задашь, так как заранее не знаешь какой он ширины (да и не всегда полезные составляющие по вертикали непрерывны, иногда там в некоторых получается прерывистая полоса).


А гимп это что за зверь?



С учетом возможной прерывисти и слабости полезных линий, ни среднее, не медиана, ни суммирование (т.е. переход к одномерному представлению) уверенного выделения не дают.

Единственно что я из предложеннго не пробовал, так это повышение контрасности, но боюсь, что в данном примере это можь и поможет, так как уровни примерно одни и теже и растянуть максимум и минимум представляется возможным, но часто бывает так, что полоски имеют большой перепад по уровню, очень близко друг к другу расположены, и имеют прерывистый характер, так что боюсь, что в общем случае контрасность не всегда будет полезной.

http://ru.wikipedia.org/wiki/GIMP

Фигня какая-то. У Вас почти 400 пикселей по вертикали. Банальное суммирование всех строк даст улучшение соотношения сигнал/шум в sqrt(400)=20 раз. Этого должно быть достаточно. Посмотрите, что-то Вы не так сделали.

Если полезная полоса непррерывна и хорошенько отдельно стоит, то так и получается, но если она на картинке по вертикали не ненпрерывна, а занимает всего лишь часть, т.е. является отрезком длиной, например, 10% от 400 пикселей, то таким улучшением там и не пахнет.

Угу. Потом можно искать перегиб.


Вынужден Вас огорчить, все телепаты с форума померли от гриппа.

Пример такой картинки в студию.



Так, немного потелепатирую, но мне кажется, что надо будет просто убрать постоянную составляющую и затем искать пересечения с 0.

ХЕЗ. Может быть.

Это по х нужно убрать постоянную соотавляющую, а по y наоборот нужно оставить только самые низкочастотные компоненты спектра



Пример приведен выше - картинка шумоподобна, но дитерингом просматривается полосатость. Вот и раcфокусировать её по Y, а по Х можно повысить даже резкость

Сначала надо y-координату убрать вообще. Получить одномерный массив. Это и есть взятие самой низкочастотной составляющей по y. Что собственно говоря предложили сразу. Вы немного опоздали к началу



Не согласен. На приведенной картинке полосы на всю высоту. А топикстартер говорит про, например, полосу, которая

Там яркость не непрерывна, а модулирована плотностью белых шумоподобных точек.
Поднесите монитор поближе к глазам
и увидите там конфетти

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

С тем что по Y нужно убирать высокие частоты в любом случае я согласен

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

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



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.



Именно. Ждем уточнений.

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

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.

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...

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.




Нажмите для просмотра прикрепленного файла

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.

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

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)

Нажмите для просмотра прикрепленного файла

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.

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

Спасибо, конечно :) Но оперативно не надо - мне же програмку нужно еще модифицировать, а это несколько дней займёт, по состоянию остальной работы...

Идеально, исходные данные хочется иметь в черно-белой шкале, чем больше bpp тем лучше, и в pgm формате. Хуже - 8 битовый bmp, но это тоже пойдёт. В файле только данные, которые нужно непосредственно обрабатывать. Все чёрточки, обозначающие границы лучше в отдельном jpege, там же и цвета можно оставить, хотя цвет совершенно не нужен. Мне самому не хочется преобразовывать цвет, чтобы не терять биты.

Потом можно настроить ftp, чтобы туда положить файлы.

Я не знаю что нужно.

мысленно... пробегаем дифференциатором по каждой пиксельной строчке. Далее по стробцу суммируем то, что дал нам дифференциатор. Там где "больше всего дал" - там и момент прихода(или смены или как там оно называется). Цвет... Я думал яркость так "зашифрована" - это "а-ля" амплитуда...

Господа-товарищи
Я автору вопрос задавал, а не вам. Я его спросил - кто и каким методом (и по каким правилам) нарисовал границы объектов на предосталенных им рисунках.

Может, имеет смысл изображение перевести в черно-белое, а далее обрабатывать.
Похожи картинки на треки: по вертикали время, по горизонтали что-то (канал и т.д.), цвет - интенсивность (амплитуда) явления.

Границы рисовались глазками (в том числе с учетом априорной информации о том, где на самом деле должны быть выделенные полоски)

На последней картинке в зоне 4 нах-ся объект буквально в двух строках, причём он начинается с зоны 4 и кончается в зоне 6 имея примерно одинаковую яркость. Это что значит? Он всё равно должен быть разделён на несколько кусков только из-за других границ зон на остальных строках? Может проясните откуда сигнал?

В 4ой зоне штрих на самом деле короткий, но он не доходит до 6ой зоны (хотя немного цепляет 5ую).

Подробности сигнала не знаю (далеко от железной тематики нахожусь), но это как-то мудренно сканирование поверхности после последовательного воздействия на нее другой поверхности (инструмента). Представленные картинки и выделенные полоски - результат натурного эксперемента, когда известно где (по оси Х) и как (непрерывно, импулсьно, сильно, слабо) осуществлялось взаимодействие поверхностей.

Сложить интенсивнсти по столбцам - получим одномерную функцию (изображена внизу рисунка красным цветом), а затем на этой функции находятся экстремумы (локальные максимумы и минимумы) и по этим точкам рисунок разрезается на полосы. При нахождении экстремумов может понадобиться сглаживание.

http://ru.wikipedia.org/wiki/%D0%A2%D0%BE%...%86%D0%B8%D0%B8

http://en.wikipedia.org/wiki/Inflection_point

Попробовал. Вот что получилось по картинке # 1:

Обнаруживаются ложные границы в точках 245 и 993, остальные границы
смещены на 2-5 пикселов от координат в jpege.

Шум сильный, очень сильный. Если параметр отсева чуть пошевелить, то
ложные границы плодятся как кролики. Шум давится два раза - после
суммирования строк скользящим средним и перед первой разностью
гауссом, в итоге данные гладенькие на вид, но ложные границы все
равно есть.

Две последние картинки обрабатывать не пытался, они очень компрессией
зашумлены, в дополнение к шуму измерения.

эээ...кхм... как бы это сказать... а есть сведения на счет реальных границ?

Скажите, а идентификация методом наибольшего правдоподобия не может спасти отца русской демократии? Или какие-то ещё стохастические методы?