Opencv 如何检测纹理破坏

假设我们有一些彩色图像，它们是一些纹理图案的示例。很少出现这种纹理被异物“破坏”的情况。检测这些罕见异常的最佳方法是什么

我曾想过训练一名CNN，但好的例子远远多于坏的例子，所以我有我的怀疑。我开始研究灰度共生矩阵（GLCM）和局部二元模式（LBP），但我认为颜色信息可能在确定中断的发生中起到重要作用。我能否从这些提取的特征（GLCM或LBP）中找到分布，并计算新图像属于此分布的概率

---

谢谢你的帮助

如果不看一些示例图像，就很难解决您的问题。原则上，可以使用多种方法来检测纹理破坏，即GLCM特征、LBP、Law的遮罩、矢量量化等。测量局部熵是一种可行的方法。考虑下面的图像，我们可以清楚地分辨出两种纹理：

以下片段读取图像，计算圆形邻域或给定半径

25

上每个像素的局部熵，并显示结果：

来自skimage导入io
从skimage.filters.rank导入熵
从skimage.com导入磁盘
img=io.imread（'https://i.stack.imgur.com/Wv74a.png')
R=25
过滤=熵（img，磁盘（R））
io.imshow（已过滤）

从得到的熵图可以清楚地看出，局部熵值可以用来检测纹理破坏

---

你能分享一些示例图像吗？@tonechas很遗憾，我不能，这是我能得到的关于这个问题的最具体的信息。没有更多信息很难回答这个问题，但是你看过Law的纹理度量吗？老掉牙，但可能有用。无论哪种技术可行，都将取决于您的应用程序。自然或人造对象/场景？来自摄像机的实时图像，或不同分辨率/质量的图像文件？如果你不能透露细节，那就考虑在当地的工程图书馆里花一天时间浏览课本、论文和会议论文（它们经常在网上付费）。有好几次，我发现很少有人提到帮助我解决奇怪问题的书。