Come rimuovere l'abbagliamento e la luminosità in un'immagine (elaborazione preliminare dell'immagine)?

Ho un'immagine

Esiste un modo per rimuovere le macchie bianche luminose? Per favore aiutatemi grazie

Modificare:

Dopo aver operato con gaussian e aver quindi visualizzato usando imagesc ottenere il seguente output che mostra chiaramente i punti rossi luminosi Come posso liberarmene

Canale rosso:

Canale Verde:

Canale blu:

Modifica 2:

Rilevamento dei difetti utilizzando il filtro Gabor

Il suo istogramma:

Come calcolare la soglia appropriata in modo adattivo.?

Supponiamo che le porzioni di abbagliamento siano le uniche aree sature nell'immagine. Il rilevamento può essere eseguito limitando l'intensità (codice in Mathematica):

saturated = Binarize[ColorConvert[img, "Grayscale"], .9]

Quindi abbiamo solo bisogno di sostituire le porzioni dell'immagine attorno alla maschera di saturazione (l'ingrandimento della maschera è fatto dalla funzione morfologica Dilation). Inpainting usando la sintesi texture (usando la funzione Inpaint) sembra funzionare bene in questo esempio, anche se non riesco a testarlo come input per il tuo algoritmo di rilevamento dei difetti:

Inpaint[img, Dilation[saturated, DiskMatrix[20]]]

Questa potrebbe essere una risposta un po 'semplicistica, ma potresti limitarti? per esempio:

img = imread('daRNS.png');
imflat = img; 
imflat(img>150) = 150; 
imagesc(imflat)

risulta in:

Sarebbe ovviamente meglio selezionare la soglia in modo adattivo. Ad esempio potresti guardare l'istogramma dell'immagine:

hist(double(img(:)),0:255)

e prova a selezionare una soglia appropriata in base a quella.

Senza informazioni sull'illuminazione, è difficile. Tuttavia, se la forma dell'oggetto nell'immagine è nota, è possibile impostare un modello di forma dell'abbagliamento bianco (gaussiano) e fare una finestra scorrevole per trovare il possibile rilevamento dell'abbagliamento (seguito dalla fusione del colore dall'area adiacente). Dal punto di vista percettivo, deduciamo la forma 3D dalle immagini usando l'ombreggiatura. Se la forma dall'ombreggiatura è in grado di dare il gradiente della superficie, potremmo fare una finestra scorrevole e controllare il nostro modello di abbagliamento in ogni posizione.

Dopo il rilevamento del bordo astuto: -

Fondamentalmente, la sovrapposizione (area di sovrapposizione massima) tra l'immagine n. 1 e n. 2 sarà il difetto.

La mia opinione è che questo è un problema di visione artificiale in cui dovresti controllare l'illuminazione e avere una buona idea della massima luminosità di una luminosità dei pixel non abbagliante nell'immagine. Il rilevamento dei difetti è generalmente un problema di visione artificiale piuttosto che un problema di visione artificiale.

Ciò che vediamo come risultato dell'illuminazione è un'aggiunta di riflessi di luce speculari e diffusi (più un po 'di emittanza ma qui è trascurabile).

Il componente speculare è il bagliore, su una superficie lucida come questa mela, è molto più del riflesso diffuso (> 10x)

Ciò significa che se si imposta illuminazione, guadagno ed esposizione prima di questo, su una superficie diffusa, si può essere certi che nulla sarà nemmeno vicino a saturo. Quindi utilizzare una soglia fissa è in realtà la soluzione preferita qui, a condizione che tu abbia dimostrato con dati sufficienti che "nessun pixel non contenente bagliore" sarebbe superiore alla soglia. In sostanza si stanno impostando le condizioni di illuminazione e i parametri della telecamera in modo tale che la classificazione di un pixel diventi banale, in questo caso eseguita da una semplice soglia, piuttosto che da una più complessa funzione di pixel acquisita dalla macchina attorno ad esso.

Mi piace l'approccio di "vini", non c'è bisogno di mostrare i piani RGB. Solo una semplice soglia di gradazione di grigio funzionerebbe effettivamente qui.

1- progettate le condizioni di illuminazione, non ambientali

2- rendere estremamente banale il lavoro di classificazione (soglia)

3- misurare la funzione

4- confrontare con la tolleranza

Convertire prima lo spazio colore di laboratorio, mapminmax, quindi utilizzare il primo canale di luminosità. Ciò riduce i problemi di colore. Quindi usa alcuni limiti sul pixel più luminoso dell'80%. Controllare e testare un tuffo nell'istogramma, la soglia migliore è vicino alla parte inferiore del tuffo. Se non ci sono min locali in questa regione, l'immagine probabilmente avrà riflessi minimi ...... Martin