数字图像处理--掩膜重建

数字图像处理--掩膜重建

2017年01月13日 19:54:11 i_chaoren 阅读数：2352更多

个人分类： 数字图像处理

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/i_chaoren/article/details/54411569

内容描述：给定皮肤镜黑素细胞瘤图像，检测毛发噪声，并修复毛发遮挡部位的信息。

主要包括以下五个大的步骤，流程图如下：

过程分析

 

第一步：对原图进行灰值化处理；计算公式为：Gray = R*0.299 + G*0.587 + B*0.114。

下图分别为实验原图和灰值化之后的图：

                                            

图1                                                                                           图2 

 

第二步：波谷检测；波谷检测可以分解为两个小的步骤，首先是使用结构元素对原图进行灰度闭运算（先膨胀后腐蚀：填充物体内细小空洞、连接邻近物体），进过多次试验，最终采用的是5×5的结构元素；然后用原图减去闭运算的结果，会得到图像的波谷区，也就是本图中的毛发区域，检测结果如下图3所示。

第三步：固定阈值分割；由于图片中的毛发区域在整张图中的占比很小，查阅文献可知，一般情况下，毛发占比仅有5%，所以不宜使用大津阈值的方法，这里采用的是固定阈值分割，这里使用的阈值为15，由图4可知，除了毛发区域，也出现了很多小的噪声，所以需要对图像降噪。

                                              

图3                                                                                         图4 

 

第四步：区域生长；在这里区域生长的作用主要是用来滤除小噪声的，对整幅图进行区域生长，对每个连通区域进行数量统计，对于统计量小于15的区域进行滤除。降噪之后的结果如图5所示。

第五步：掩膜重建；首先，为了减少毛发区域的颜色对图像重建产生影响，以及标记掩膜区域，在原图中将毛发区域赋值为255；伪代码如下：

if (二值图掩膜区像素 == 255)  {

                      for(int k=0;k<3;k++) 

                           原彩色图对应的区域 = 255;  }

然后建立了一个9×9的模板，在原始彩色图毛发区域对原图进行滤波，伪代码如下：

if ( 二值图掩膜区像素== 255)

                            { 使用9×9的模板对原图进行卷积滤波 }

模板结构如下：

最后得到的结果如下图6所示。

                                                   

图5                                                                                             图6

 

结果分析

在整个实验中关键的一步是波谷检测，它能够有效的将原图中的毛发区域检测出来，提供了掩膜的主要框架，需要注意的是在结构元素选择的时候，选择稍微较大的结构元素，这样可以将图中较为粗大的毛发也能提取出来，否则将会提取不完整，如图7所示，当然也不能选择的太大，不然噪声会非常多。对于阈值分割和区域生长已经在过程分析中交代清楚，这里不再赘述。最后就是掩膜重建，在重建的时候，进行一次滤波不能达到有效的重建结果，如图8所示，所以需要多次滤波，这里选择的滤波次数loop=5。

                                                                                                             

图7                                                                                     图8