python - 使用机器学习进行 Blob 检测？

Question

我有一大堆图像，显示了一个带有一些黑色 Blob 的条形，其位置随时间而变化(参见图 b)。为了检测 Blob ，我现在使用强度阈值(图中的 c，其中低于阈值的所有强度值都设置为 1)，然后使用下面的 Matlab 代码在二值图像中搜索 Blob 。正如您所看到的，二值图像非常嘈杂，使 Blob 检测过程变得复杂。您对如何改进形状检测有什么建议，也许包括一些机器学习算法？谢谢!

代码:

se = strel('disk',1);
se_1 = strel('disk',3);
pw2 = imclose(IM,se);
pw3 = imopen(pw2,se_1);
pw4 = imfill(pw3, 'holes');

% Consider only the blobs with more than threshold pixels
[L,num] = bwlabel(pw4);
counts = sum(bsxfun(@eq,L(:),1:num));
number_valid_counts = length(find(counts>threshold)); 

Answer 1

这可能会有所帮助。

1. 提取要提取的 Blob 边界的纹理特征。这可以使用 Local binary patterns 来完成。还有很多其他的纹理特征，可以去详细调查here 。

2. 然后用它们来训练二元分类器。