Rauschunterdrückung im medizinisch segmentierten Bild

10

Kann jemand Methoden vorschlagen, um das Rauschen (innerhalb des roten Quadrats angegeben) an jeder Stelle im folgenden Bild zu entfernen, während die weißen Linien beibehalten werden?

Ein segmentiertes medizinisches Bild

matlab image-processing opencv Crack Abhängiger
quelle
5
Ist das ein Bild der Netzhaut? In diesem Fall empfehle ich Ihnen, anstatt eine schnelle und schmutzige Lösung mit einem Sobel-Filter (oder einem gleichwertigen Filter) zu hacken und zu versuchen, "Rauschen zu entfernen", zunächst einige der reichlich vorhandenen Literatur zu diesem Thema zu lesen. Diese Probleme wurden immer wieder gelöst, und Sie sparen wahrscheinlich viel Zeit, um zu lesen, was in der Vergangenheit funktioniert hat. Dann können Sie anfangen, wirklich zu
innovieren
Fair Point, aber ein paar Links könnten noch besser gewesen sein. Zweifellos gibt es immer noch Google.
AruniRC
1
Noch besser, Google Scholar. Ich bin nicht gut genug über diesen genauen Punkt
informiert
1
@crack_addict: was hast du bisher versucht?
Amro
1
Es wäre auch schön zu wissen, wofür die Ausgabe dieses Prozesses verwendet wird (um zu wissen, wie gut die Reinigung des Rauschens mit dem Verlassen der weißen Linien sein sollte)
Penelope

Antworten:

3

Eine Lösung, die ich gefunden habe, ist wie folgt:

  1. Schwellenwert für Graustufenwert.
  2. Entfernen Sie Objekte anhand der Größe.
  3. Einige weitere morphologische Operationen.

Geben Sie hier die Bildbeschreibung ein

Crack Abhängiger
quelle
Könnten Sie Schritt 3 etwas detaillierter beschreiben, dh welche morphologischen Operationen fanden Sie hilfreich?
Paul R
Ich möchte meine Antwort gut erklären: Erstens konnte ich Objekte nicht aufgrund der Größe entfernen, da Sie sehen können, dass Objekte etwas miteinander verbunden sind. Daher habe ich zuerst anhand der Graustufe einen Schwellenwert festgelegt, der die kleinen Objekte im dritten Schritt gut voneinander trennte Ich habe mich erweitert, um nützliche Objekte weiter zu machen, und dann habe ich die Kantenverdünnung verwendet, um dünne Linien zu erhalten
crack_addict
3

Können Sie mehrere Bilder erhalten, dh ist das Ziel statisch? Wenn ja, können Sie die Bilder "stapeln", um das Rauschen zu beseitigen. Eine einfache Mittelwert- oder Medianfunktion entfernt das zufällige Rauschen aus dem Bildstapel und lässt nur das Signal (dh die weißen Linien) übrig.

user3172
quelle
1

Aus der anfänglichen flächenbasierten Filterung geht hervor, dass die Ergebnisse möglicherweise nicht zufriedenstellend sind, da Komponenten entfernt werden, die linear sind, aber keine so große Fläche aufweisen. Wenn wir uns die Struktur des zu extrahierenden Vordergrunds ansehen, können wir sehen, dass es sich um lange Strukturen handelt. Man könnte die Verwendung linearer Strukturierungselemente in Betracht ziehen. Aber hier besteht das Bild aus verschiedenen Winkeln und Verzweigungen. Ich schlage vor, das folgende Papier zu lesen, das die Wegöffnung darstellt, die von Gebietsfotos von Straßennetzen demonstriert wird.

beedot
quelle
0

Es sieht so aus, als ob das "Rauschen" eine Textur / ein Muster ist. Vielleicht versuchen Sie, dieses Muster zu entfernen, damit Sie in Ihrer Verarbeitungspipeline fortfahren können. Meiner Meinung nach funktionieren morphologische Operationen und Kantenerkennung nicht so gut (haben keinen Beweis, nur einen ersten Eindruck von diesem Szenario, da Rauschen und Merkmale / gewünschte Informationen zu ähnlich aussehen). Wenn ich am Wochenende Zeit hätte, würde ich es mit einigen Methoden zum Entfernen von Texturen versuchen und Sie auf dem Laufenden halten.

mchlfchr
quelle