檢測葉片中的靜脈模式？

Question

我的目的是檢測在葉靜脈圖案表徵植物

我已經做了以下的不同種類：

原圖：

自適應後閾值：

然而靜脈不是那麼清楚，會變形，有沒有什麼辦法我能得到更好的輸出

編輯：

我試圖顏色閾值處理我的結果仍然不能令人滿意，我得到以下圖像

請幫

Answer 1

的的事實：它的JPEG圖像會給出「塊」僞影，在您發佈的示例中，這會導致靜脈周圍的大部分正方形區域產生大量噪點，因此最好對未經過有損壓縮的圖像進行處理。如果這是不可能的，然後嘗試過濾圖像，以消除一些噪音。

您想要提取的靜脈與背景，葉子和陰影具有不同的顏色，因此某種基於顏色的閾值可能是一個好主意。最近有一個S.O.問題與一些代碼，可能會幫助here。 之後，某種自適應歸一化將有助於在對其進行閾值之前增加對比度。

也許閾值不是您想要做的中間步驟。我通過過濾來消除jpeg工件，做一些CMYK通道數學運算（更多青色和黑色），然後應用自適應均衡。我敢肯定，你可以繼續使用圖像漸變和非最大值壓縮來生成（可能是亞像素的）邊緣點，並且可能使用每個點處的亮度和靜脈結構的性質（大多數在切線處加入）以將點加入行。

Answer 2

這聽起來象是我在與神經網絡的大學做了回去。神經網絡的東西有點困難，所以我不會去那裏。無論如何，模式是二維傅里葉變換的完美選擇！這裏是一個可能的方案：

1. 你有訓練數據和輸入數據
2. 你的數據被表示爲一個二維傅里葉變換
3. 如果你的數據庫很大，你應該變換運行結果PCA轉換將二維譜圖轉換爲一維譜圖
4. 比較一次圖像的譜圖（PCA後）與數據集中所有圖像的漢明距離。

只要圖像旋轉大致相同，您應該用這種原始方法預計〜70％。如果圖像不是相同的旋轉。您可能不得不使用SIFT。爲了獲得更好的識別，你需要更多的智能訓練集，如隱馬爾可夫模型或神經網絡。事實是，爲這類問題取得好成績可能是相當多的工作。

退房：https://theiszm.wordpress.com/2010/07/20/7-properties-of-the-2d-fourier-transform/

Answer 3

在過去，我取得了良好的經驗與邊緣檢測算法difference of Gaussian。基本上可以這樣工作： 使用gaussian blurr algorithm模糊圖像兩次，但模糊半徑不同。 然後你計算兩個圖像之間的差異。

具有相同顏色的像素在彼此之下將創建相同的模糊顏色。 彼此之間不同顏色的像素將取決於模糊半徑的漸變。對於更大的半徑，漸變將拉伸得更遠。對於較小的它不會。

所以基本上這是帶通濾波器。如果選擇的半徑較小，則虛線將創建2條「平行」線條。但是由於葉子的靜脈比圖像的延伸部分小，所以你主要找到半徑，其中靜脈導致1條線。

這裏我添加了處理過的圖片。 步驟我對這張照片做：

1. 飽和度（灰度化）高斯的
2. 差異。在這裏我模糊了第一個圖像的半徑爲10px，第二個圖像的半徑爲2px。結果你可以在下面看到。

這只是一個快速創建的結果。我想通過優化參數，你甚至可以獲得更好的參數。