c# - 检测图像中的峰值

Question

我有一大组种子的红外图像，它们的大小略有不同。我想找到他们(以最快的方式)。下面我放大了我处理的图像的细节。在第一次噪声去除和 blob 过滤器之后，这就是我所拥有的:

明亮的白色只是 IR 灯的直接反射，白色像素永远不会在多个种子上组合(拉伸(stretch))。

为了更清楚地说明，我在一些单独的种子上写了一封信。

我遇到的问题:

• A是单粒种子(种子上有污垢)会产生一条轻微的黑线。
• B 靠近它的附近 X 在其最暗的交点处它仍然像其他一些种子一样亮(如果灰度值低于某个值，则不能更改亮度或删除。
• C 这些是 3 个彼此靠近的种子。
• 上面最小的可见种子不应变得更小。

我没有使用 mathlab 或 openCV，因为我直接使用锁定的图像和内存数据。我可以通过数组或简单的 getpixel/putpixel 命令访问像素数据。我写了自己的图形库，它对实时摄像头数据足够快，处理速度目前在 13ms 左右，在 25ms 左右我进入流处理滞后

我想知道如何更好地分离那些“混浊”的 Blob 。我正在考虑在某个像素范围内找到局部最大值..但是应该将 A 视为一个种子，而在 B 上发现 B 和 X 没有连接。所以我在这里不确定，这样的本地 peek 功能或其他功能应该如何。尽管我用 C# 编写代码，但我也查看了其他 C++ 函数以及扩张等，但仅此而已。我还写了一个函数来检查坡度(比如它是否是山高图像)但是不能划分区域 B 和 C。

好吧，我制作了不同的斜率检测代码，现在我不寻找某种程度，而只是寻找小范围内的倾斜点，它在 X 轴上工作得很好..但基本上我认为它应该在 X 和 Y 上工作这是新结果: 它可以解决问题 A 和 B!!!

然而，它不会区分在垂直行中对齐的种子，并且会产生小的白噪声(非连接线)。在几乎没有什么可检测的地方。我还不确定如何在 Y 轴上执行相同的操作(组合)以获得顶部，然后从顶部的特定距离处删除内容..(分离)。

使用这段代码只是展示了它的像素操作。

 for (int y =  raw.Height;y>5; y--)
        {slopeUP = false;
            int[] peek = new int[raw.Width];
            for (int x = raw.Width; x> 7; x--)
            {
                int a = raw.GetPixelBleu(x, y);
                int b = raw.GetPixelBleu(x - 1, y);
                int c = raw.GetPixelBleu(x - 2, y);
                int d = raw.GetPixelBleu(x - 11, y);
                int f = raw.GetPixelBleu(x - 12, y);

                if ((f + d) > (a + b))slopeUP  = true;

                if ((f + d) < (a + b))
                {
                    if (slopeUP)
                    {
                        slopeUP = false;
                        peek[x - 6] = 10;
                        //raw.SetPixel(x, y, Color.GreenYellow);
                    }
                    else peek[x - 6] = 0;
                }

            }
            for (int x = raw.Width; x > 7; x--) 
            { if (peek[x-1] > 5) raw.SetPixel(x, y, Color.Lavender); }
     }

Answer 1

在此SO answer对于类似的问题，我应用持久同源性来查找图像中的峰值。我拍了your image ，将其缩小到 50%，应用半径为 20 的高斯模糊(在 Gimp 中)，并应用另一篇文章中描述的方法(点击放大):

我只显示至少 20 的持久性峰值(参见其他 SO 答案)。持久性图显示如下:

第 20 个峰值将是左上角的小峰值，持续时间约为 9。通过应用更强的高斯滤波器，图像变得更加分散，峰值将变得更加突出。

可以找到Python代码here .