Image processing 低对比度图像的Python边缘检测

我想画出绘制区域的深度，并画出边界，我曾尝试使用Canny边缘检测，但获取边缘并不好。有没有办法获得感兴趣边界的像素？边界线中的像素强度（灰度）与周围区域没有明显差异。 感兴趣的区域是金属上的熔池。目的是找到熔池的深度。我尝试了精明的边缘检测，但似乎无法解决问题。 有没有其他方法可以使用python来绘制我在图2中用红色标出的熔池边界的坐标？原始图像感兴趣区域（红色） 精明的边缘检测熔池正在移动。我想使用python来获得熔池的深度变化。我有很多照片

---

强水平低通滤波将提高信噪比，使上边缘易于检测

请注意，原始图像的直接二值化效果更好

自适应阈值也很有趣，不过需要一些调整

---

我认为获得所需金属池信息的最佳方法是对其进行分割。由于图像有噪声，我认为图形切割是更好的选择

我使用垂直Scharr滤波估计池边界，并使用它们计算图弧权重

因此，我使用图像的上下边界作为graph cut算法的源和汇（这些像素将属于不同的标签）

执行第二次分割以获得没有池的水平线，并计算它们的差值以获得最终结果

必须调整

beta

参数，随着它的增加，它将更符合您的权重（噪声边界）。我发现50分成绩不错，但你应该好好利用它

将numpy导入为np
从skimage导入io、过滤器、测量
将skimage.形态学导入为变形
将matplotlib.pyplot作为plt导入
导入maxflow
def正常化（im）：
im-=im.min（）
返回im/im.max（）
def图形_切割（重量）：
g=maxflow.GraphFloat（）
nodeids=g.add\u grid\u节点（weights.shape）
结构=maxflow.vonNeumann_结构（ndim=2，directed=True）
g、 添加网格边（节点ID、权重、结构=结构、对称=真）
g、 添加网格（节点ID[1，：]，0，1e16）
g、 添加网格（节点ID[-1，：]，1e16，0）
g、 maxflow（）
返回g.get_网格_段（节点ID）
def get_最大（标签）：
标签=度量值。标签（标签）
最大=标签==np.argmax（np.bincount（label.flat）[1:]）+1
回报最大
def main（）：
im=io.imread（“example.png”）
im=过滤器中值（im，变形磁盘（5））
#池分割
β=50#参数
aux=过滤器。scharr_v（im）
aux=标准化（np.abs（aux））
权重=np.exp（-beta*aux）
池=图形_切割（权重）
#结束
#曲面分割
aux=np.abs（过滤器、沙尔（im））
aux=标准化（aux）
权重=np.exp（-aux）
surf=图形切割（权重）
#结束
#结果
res=池^surf#xor
res=获取最大值（res）
等高线=测量。查找等高线（分辨率，0.5）
图，ax=plt.子批次（）
ax.imshow（im，cmap='gray'）
对于等高线中的等高线：
ax.绘图（等高线[：，1]，等高线[：，0]，线宽=1，c=红色）
plt.show（）
如果名称=“\uuuuu main\uuuuuuuu”：
main（）

结果:

---

图1中的红色涂鸦是您感兴趣的区域吗？嗨，JoOkuma，是的，这是我想要检测的边界。你有什么建议吗？这似乎是一个具有挑战性的问题。您要将此应用于多个图像吗？您感兴趣区域（ROI）的模式是否相同？附加图片或此任务的上下文将增加您获得帮助的机会。@JoOkuma感谢您的建议！我已重新编写了描述。@MarkSetchell谢谢您的评论！我重新措辞了描述。看看是否更好。Yves，你可以添加你使用的过滤器内核/参数吗？请，这样其他人也可以得到同样的效果。谢谢。@MarkSetchell:对不起，我用的是专有软件。@YvesDaoust我想OP是在寻找他们用红色勾勒出来的小井，而不是大的水平边缘。对于OP:这个答案和你的问题有什么关系吗？如果是，我将删除我的。@Yves Daoust是的，这个答案与我的问题相关。@JoOkuma谢谢你的回答！

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('image.tif',0)
edges = cv2.Canny(img,100,20)

plt.subplots(),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplots(),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])

plt.show()