检测边界清晰的白色区域
detect white areas with sharp boundary
在下图的灰度图中，如何准确检测出边界清晰的白色区域（红色标记）？
在这个特定的图像中，一个简单的阈值处理可能会起作用，但是，我有几张图像，其中图像的角周围有相似的区域，我想忽略这些区域。
此外，可能存在不止一个感兴趣区域，它们都具有不同的强度。一个可以像示例图像中一样明亮，另一个可以是中等强度。
但是，感兴趣和不感兴趣的区域之间的唯一区别如下：
感兴趣的区域有清晰明确的边界。
不感兴趣的区域没有明确的边界。它们往往会逐渐与邻里区域融合。
无标记图片供测试：
当你说到尖锐的边界时，你必须想到渐变。边界越尖锐，梯度越大。因此应用渐变，你会发现它会围绕你想要分割的形状变得更强。
但在你的情况下，你也可以观察到你要分割的区域也是最亮的。所以我也会尝试降噪（中值滤波器）加上卷积滤波器（简单平均）以均匀化不同的区域，然后通过仅保留 brightest/right 峰值来进行阈值处理。
im = imread('o2XfN.jpg');
figure
imshow(im)
smooth = imgaussfilt(im,.8); %"blur" the image to take out noisey pixels
big = double(smooth); % some functions don't work with UINT8, I didn't check for these
maxiRow = quantile(big,.99); % .99 qualtile... think quartile from stats
maxiCol = quantile(maxiRow,.98); % again for the column
pixels = find(big>=maxiCol); % which pixels have the highest values
logicMat = false(size(big)); %initalize a logic matrix of zeros
logicMat(pixels) = 1; %set the pixels that passed to logic pass
figure
imshow(logicMat)
您不是很清楚要对您找到的区域做什么。此外，一些更多的示例图像将有助于调试代码。我在上面发布的内容可能适用于那一张图片，但它不太可能适用于您正在处理的每张图片。
在下图的灰度图中，如何准确检测出边界清晰的白色区域（红色标记）？
在这个特定的图像中，一个简单的阈值处理可能会起作用，但是，我有几张图像，其中图像的角周围有相似的区域，我想忽略这些区域。
此外，可能存在不止一个感兴趣区域，它们都具有不同的强度。一个可以像示例图像中一样明亮，另一个可以是中等强度。
但是，感兴趣和不感兴趣的区域之间的唯一区别如下：
感兴趣的区域有清晰明确的边界。
不感兴趣的区域没有明确的边界。它们往往会逐渐与邻里区域融合。
无标记图片供测试：
当你说到尖锐的边界时，你必须想到渐变。边界越尖锐，梯度越大。因此应用渐变，你会发现它会围绕你想要分割的形状变得更强。
但在你的情况下，你也可以观察到你要分割的区域也是最亮的。所以我也会尝试降噪（中值滤波器）加上卷积滤波器（简单平均）以均匀化不同的区域，然后通过仅保留 brightest/right 峰值来进行阈值处理。
im = imread('o2XfN.jpg');
figure
imshow(im)
smooth = imgaussfilt(im,.8); %"blur" the image to take out noisey pixels
big = double(smooth); % some functions don't work with UINT8, I didn't check for these
maxiRow = quantile(big,.99); % .99 qualtile... think quartile from stats
maxiCol = quantile(maxiRow,.98); % again for the column
pixels = find(big>=maxiCol); % which pixels have the highest values
logicMat = false(size(big)); %initalize a logic matrix of zeros
logicMat(pixels) = 1; %set the pixels that passed to logic pass
figure
imshow(logicMat)
您不是很清楚要对您找到的区域做什么。此外，一些更多的示例图像将有助于调试代码。我在上面发布的内容可能适用于那一张图片，但它不太可能适用于您正在处理的每张图片。