Удаление шума в медицинском сегментарном изображении

10

Может ли кто-нибудь предложить способы удаления шума (обозначенного внутри красного квадрата) из любого места на следующем изображении, сохраняя при этом белые линии?

Сегментированный медицинский образ

matlab image-processing opencv

— crack_addict
источник

5

Это изображение сетчатки? В этом случае вместо того, чтобы взламывать быстрое и грязное решение с помощью фильтра sobel (или его эквивалента) и пытаться «удалить шум», я предлагаю вам начать с прочтения некоторой обширной литературы по этой теме. Эти проблемы решались снова и снова, и, вероятно, вам сэкономится много времени, чтобы прочитать о том, что работало в прошлом. Тогда вы можете начать инновации по-настоящему :)

— static_rtti

Справедливо, однако, несколько предоставленных ссылок могли бы быть еще лучше. без сомнения, есть Google, все еще.

— AruniRC

1

Еще лучше, Google ученый. Я недостаточно осведомлен об этом точном пункте, чтобы давать лучшие ссылки, чем Google, извините: - /

— static_rtti

1

@crack_addict: что ты пробовал до сих пор?

— Amro

1

Было бы также неплохо узнать, для чего будет использоваться выход этого процесса (чтобы узнать, насколько хорошей должна быть очистка шума с удалением белых линий)

— Пенелопа

3

Одно решение, которое я нашел, заключается в следующем:

Пороговое значение по шкале серого.
Удалить объекты на основе размера.
Еще несколько морфологических операций.

введите описание изображения здесь

— crack_addict
источник

Не могли бы вы немного подробнее рассказать о шаге 3, то есть какие морфологические операции были вам полезны?

— Paul R

Я хотел бы хорошо объяснить свой ответ: во-первых, я не мог удалить объекты на основе размера, так как вы можете видеть, что объекты немного связаны, поэтому сначала я установил порог на основе уровня серого, который хорошо отделил мелкие объекты на 3-м шаге. Я продолжил, чтобы сделать полезные объекты, продолжил, затем я использовал прореживание краев, чтобы получить тонкие линии

— crack_addict

3

Можете ли вы получить несколько изображений, то есть является ли цель статической? Если это так, то вы можете «сложить» изображения, чтобы удалить шум. Простая средняя или медианная функция удалит случайный шум из стека изображений и оставит вас только с сигналом (то есть белыми линиями).

— user3172
источник

1

Из исходной фильтрации на основе области видно, что результаты могут быть неудовлетворительными, поскольку она удаляет компоненты, которые являются линейными, но не такими большими по площади. Глядя на структуру переднего плана, которая будет извлечена, мы можем видеть, что это длинные структуры. Можно рассмотреть возможность использования линейных элементов структурирования. Но здесь изображение состоит из различных углов и разветвлений. Я предлагаю прочитать следующую статью, в которой представлено прохождение пути, которое демонстрирует фотографии местности дорожных сетей.

— beedot
источник

0

Похоже, что «шум» - это текстура / рисунок. Возможно, вы попытаетесь удалить этот шаблон, чтобы продолжить работу в конвейере обработки. На мой взгляд, морфологические операции и обнаружение краев не будут работать так хорошо (не имеют доказательств, только первое впечатление об этом сценарии, из-за слишком похожего вида шума и особенностей / требуемой информации). Если бы у меня было время на выходных, я бы попробовал некоторые методы удаления текстур и держал вас в курсе.

— mchlfchr
источник