image-processing - 如何检测图像中的椒盐点？

Question

我在一个检测机器产生的坏点的项目上工作了几个星期，但找不到任何好的解决方案。我想知道你们是否可以给我一些线索。

损坏的图像如下所示。坏点是非常亮或暗的点。这些点具有以下特点:

1. 强度相对较大或较小。

2. 它们大多是一两个像素在一起。

我尝试过的:

1. 我将它们视为 harris conner 并使用更大的梯度检测它们。然而，边缘中的一些点也有很大的梯度。另外，梯度的阈值不容易固定。较小的阈值会引入假阳性，较大的阈值会引入假阴性。

2. 由于坏点与其局部区域相比具有更大或更小的强度，因此我计算除中心点以外的平均强度并将其与中心点进行比较。然而，一些具有较大或较小强度的法线点可能会被这种方法错误分类。此外，平均值和中心点之间的差异阈值也很难确定。

3. 我还尝试为点提取一些特征并将它们分类为坏点或好点。虽然我的分类器达到了 96% 的准确率，但这可能会误分类很多点，因为图像中的点很多。(6000,000)

4. 不知道有没有深度学习的点检测模式？我想试试看它们是否可以达到 99.99...% 的准确率。

   此外，以下示例是损坏的图像和正常图像。虽然它们对于人眼来说非常明显，但我想不出一种完美的方法来用计算机来区分它们。

   带有一些明亮像素的正常图像:

损坏的图像有两个坏点:

如果你能给我一些关于这个问题的线索，我将不胜感激。非常感谢!

Answer 1

您可以尝试使用小半径(3x3 或 5x5)的中值滤波器。然后在与原图差异较大的情况下检测椒盐噪声。