c++ - 低对比度图像分割

Question

我遇到了低对比度图像分割的问题。任务是发现表面缺陷。它们是可见的(缺陷总是暗区)，但图像的对比度非常低。下面是两个示例。

我尝试过增强对比度，然后设置阈值:

Mat tmp1 = imread("C:\\framesRoi\\311.bmp",0);
stretchContrast(tmp1);
threshold(tmp1,tmp1,75,255,THRESH_BINARY);

其中拉伸(stretch)对比 impl:

int minValue = 255, maxValue = 0;
const int l = sourceImg.cols * sourceImg.rows * sourceImg.channels();
if(sourceImg.isContinuous())
{
    uchar* ptr = sourceImg.ptr<uchar>(0);
    for(int i = 0; i < l; ++i)
    {
        if(ptr[i] < minValue)
        {
            minValue = ptr[i];
        }
        if(ptr[i] > maxValue)
        {
            maxValue = ptr[i];
        }
    }
}
cout<<"min: "<<minValue<<";"<<"max value: "<<maxValue<<endl;

const int  magicThreshold = 10;
if(sourceImg.isContinuous())
{
    uchar* ptr = sourceImg.ptr<uchar>(0);
    for(int i = 0; i < l; ++i)
    {
        ptr[i] = 255 * (ptr[i]-minValue)/(maxValue - minValue);
    }
}

但是这种方法失败了。有许多错误检测，并非所有缺陷都被检测到:

这是带有测试帧的 zip:https://dl.dropboxusercontent.com/u/47015140/testFrames.rar

Answer 1

尝试使用 kmeans 等聚类方法按灰度级对图像进行聚类。下面我直接在图像上使用了 kmeans，没有任何灰度转换(使用 3 个集群给了我更好的结果)。您应该能够通过使用评论中概述的方法对预处理图像进行聚类来改进结果。

由于 kmeans 的随机性，簇的形状可能会略有不同。

现在，如果您获取聚类图像的连通分量并计算这些区域的平均灰度级，则缺陷的平均值应该低于其他区域。

我在 Matlab 中做了聚类部分。

im = imread('r2SOV.png');%Uy1Fq r2SOV
gr = im;
size = size(gr);

% perform closing using a 5x5 circular structuring element
sel = strel('disk', 2, 4);
mcl = imclose(gr, sel);
% cluster gray levels using kmeans: using 3 clusters
x = double(mcl(:));
idx = kmeans(x, 3);
cl = reshape(idx, size);

figure, imshow(label2rgb(cl))