由于这些边缘被模糊得如此之厉害,几乎不可能检测到它们。
边缘检测通过分析周围像素的颜色快速变化来工作。模糊会平滑像素,使变化变得不那么强烈,因此无法检测到边缘。
您可以尝试在边缘检测之前应用强烈的锐化滤镜,但是我认为对于这种程度的模糊,边缘检测不会按预期工作。
即使您将边缘检测参数提高到也能检测到那些模糊的边缘,您仍将获得大量误报,使算法无用。
我所能想到的唯一方法就是基本上裁剪区域,并应用傅里叶(DFT)。然后根据幅度阈值将像素分离,保持图案并应用于您的主要图像(或仅使用反向傅里叶)。或者,您可以尝试以指数比例来做这件事,以扩大与背景相对应的像素值与与图像相对应的像素值之间的差距。
当然,所有这些建议都将是针对单个照片或在相同条件下拍摄的一系列照片(例如像MRI这样的东西)的一次性解决方案。
我真的没有看到很多完全自动完成此操作的可能性。
如果想要借助人工神经网络(ANN)设计一个解决方案,这当然不能保证成功,但至少在原理上取决于其设计得有多好。如果您想深入了解ANN在复杂图像处理中的使用,请阅读IEEE的这篇会议论文。
T. Kondo,J. Ueno 和 S. Takao。应用主成分回归分析的混合多层GMDH型神经网络进行腹部多器官医学图像识别,在“第二届计算与网络国际研讨会(CANDAR)”上发表,页码为157-163。电气和电子工程师协会(IEEE),2014 年 12 月。-------------
| 1 | 2 | 1 |
-------------
| 0 | 0 | 0 |
-------------
|-1 |-2 | 1 |
-------------
Y = f[X; G] = X ⓧ G_{flip}
其中 G 是内核/掩模,G_{flip} 是翻转内核掩模。
在二维中,卷积的定义如下:
X ⓧ G = Summation(∞, k=-∞){Summation(∞, l=-∞) x[i-k, j-l].G[k,l]}
这并不是完整的答案,但我希望它能在一定程度上对你有所帮助。