我有一张电路板的X光照片,我试着分割一些元件,找出它们内部的空隙(空洞是图像上的亮点)。我成功地分离了组件,但是我很难得到一个空白的轮廓。
到目前为止,我发现它使用拉普拉斯边缘检测器结合高斯和中值滤波器,但仍然有太多的噪声检测。我怎么才能摆脱它呢?
在第一张图片上,你可以看到我用OTSU阈值得到的轮廓,这是目前为止最好的结果,但我不认为这是一个好的方法,因为用户无论如何都不会影响行为,因为阈值是自动计算的。在这张图片上,轮廓线并不是围绕着整个空洞(白点)
从2到8的图像是我如何修改图像的步骤。我使用的是高斯模糊和中值模糊,这种增强可以引起很多噪音,但即使没有它,结果基本上是一样的。最后一步是拉普拉斯边缘检测和形态学闭合。在
有更好的方法吗?在
以下是我的输入参数:
package.voids.contours, package.voids.hierarchy = self.find_voids_inside_component(
cropped,
clahe_clip_limit=1,
clahe_tile_grid_size=(3, 3),
laplacian_ksize=11,
closing_ksize=2,
closing_iterations=2,
debug_mode=True,
fxy=1)
这是函数本身:
^{pr2}$我使用的是python3和OpenCV
目前没有回答
相关问题 更多 >
编程相关推荐