在2d图像算法上检测多个相似的石头？

Question

所以我们有一张图像可以清晰地看到人眼石头（还有一些噪音，这里是草）：

正如你所看到的那样，石头的质地非常相似（黑色除外），并且边缘非常相似。我想知道是否有任何流行的检测石头数量的算法，并且这样的图像边界？

---

我尝试了什么 - K-means ：

首先，我们可以执行类似Bilateral Blur（也称为表面模糊）的操作并获得较少的噪声图像（某些Pixel Bender代码here）：

关于我们可以做一些K-means聚类（Octave / Matlab代码和逻辑示例here，它需要很多时间来收敛），就像我来到这里一样：

正如你所看到的那样，K-Means并没有解决手头的问题 - 他们倾向于加入物体，而不是保持沉默。

---

如果我们至少可以找到所有的石头（不是边界\边缘，但每个石头至少有几个点there are 2 stones on image: A has points x1,x2,x3, B has points x4,x5），我们可以执行像Allan D. Jepson’s "Robust Boundary Detection With Adaptive Grouping"这样的事情，那将是我的解决方案......但是如何检测不同的宝石？

Answer 1

在这种情况下，在应用任何算法之前，您必须对图像进行预处理，以消除不需要的噪音并使您想要的主体成为焦点。

由于噪音（草）很薄，并且石头很好地分开，如果你的所有图像都是这样的，有一些步骤可以始终如一地产生良好的效果。

你可以先把它转换成灰色，然后去除高频噪音 - 即删除细节，然后将其限制为黑白 - 或应用低通滤镜 - 草将大部分消失。

然后，您可以应用形态学开口过滤器来细化石头之间的连接，以便大多数分离，然后只计算连接的组件。

如果您使用C或Python进行工作，诸如“leptonica”（http://www.leptonica.com/）之类的库可以帮助您使用大多数过滤器。

我附上了你的图片可能会有的样本 - 尽管我在GNU图像处理程序（GIMP）中手动摆弄图像

及其副本，与原始图像的重叠