C++ 如何使用opencv（c+；+；）分割光滑表面上的异常

我有一个光滑表面的图像：

我的目标是检测图像上的异常。我在这里向您展示的带有标记异常的相同图像：

正如我们从上面的图像中所看到的，异常的对比度很差（或者至少不是最好的），而且它们也会随着形状、对比度、方向的变化而变化。。。 我试图通过使用tophat过滤来增加异常对比度。结果如下： 现在我想在图像上看到更多的异常，我想把它们从图像中分割出来。其目的是对图像进行二值化，并使用connectedComponents函数计算异常的面积、尺寸和位置

你建议采用什么样的细分？对图像进行二值化的最佳方法是什么？我甚至应该使用tophat过滤来增加异常对比度，还是应该尝试直接从第一张图像中分割异常？

您可以：

尝试几个不同大小和参数的top hat过滤器，看看哪一个在抑制指纹的同时最能突出显示异常

或

直接转到阈值并调整参数，以确保在该过程中不会丢失任何异常。然后利用连通分量的特征提取实际异常

---

一种越来越流行的方法是使用大量异常图像训练深层神经网络，然后使用该网络识别它们。

您以前也问过类似的问题，不是吗？？你对“异常”的定义到底是什么？@slawekwin任何不完全干净的光滑表面都是异常。苏。。。灰尘、指纹、划痕、雾区是一些可能的异常现象的例子。我已经尝试过改变top hat过滤器和全球树洞的参数。我还尝试了自适应阈值（）。但它在异常检测方面仍然不能满足我的要求。（或许我做错了什么）。另一方面，我对“神经网络”的想法很感兴趣，但我对这方面完全是新手。我知道网上有很多文献，但不管怎样，你能给我提供一些额外的信息吗？我可以在opencv（c++）中使用神经网络方法吗？有可能得到一些代码示例吗？I0m beginer在机器学习中……你需要几张没有异常的表面图像，还有几张有异常的表面图像。然后我们可以把问题带到频域，因为异常更容易检测到它们的频率。异常将由高频值表示。如果删除低频分量（查看样本的估计阈值），将有一个图像突出显示缺陷。如果你想为此尝试神经网络，有很好的教程。OpenCV确实支持机器学习，但我不知道有什么好的教程。非常感谢。我会尽可能地努力学习。然后我会得到健康和受损表面的图像（我们这里讨论的是多少样本？10？100？1000？）。还有一个问题：我必须使用整个图像作为一个样本吗？或者我可以记录一张图像（如文章中的第一张），然后将该图像切割成许多表示异常的较小图像，并将其用于神经网络的学习时间？强烈建议将图像切割成具有异常的较小图像，因为这样不同的异常不会出现在同一图像上。您也可以对良好曲面的图像执行此操作。如果您正在尝试基于频域的方法，那么从10到100张图像开始就足够了。对于机器学习，1000秒是标准。但是如果你没有那么多，试着用你所拥有的。