如何去除图像的模糊背景？

问题描述

我正在从事叶病分类项目。我想使用高效的机器学习分割算法去除整个数据集的模糊背景。输出应该是 ROI 的彩色版本。并且由于数据集的庞大数量，我想要一个训练时间更少的算法。那么，你能给我建议我可以坚持的任何选择吗？

数据集样本附在下面。

leaf image with a disease symptom

解决方法

这个特殊问题并不难解决。它没有想象的那么糟糕，因为只有一个前景对象，这意味着我们可以使用简单的方法解决它。 @Ceopee 的边缘检测本能是正确的，因为这是前景与模糊背景不同的最明显方式。

我对图像进行了灰度处理并使用了 Canny 边缘检测器。我根本没有真正调整它，所以我们得到了一堆边缘，但我们只关心找到叶子的边缘。值得庆幸的是，我们不必为每张图像花费大量时间调整它，因为我们只关心最大的连续边缘。

我扩大图像以连接附近的边缘（canny 给出了 1 像素宽的线，这些线很容易断开），然后使用 findContours 获得所有白线的轮廓。我整理并按区域选择最大的轮廓，然后用它来创建一个蒙版。

遮罩的锯齿状让我感到困扰，所以我先进行了开孔操作（切掉细锯齿），然后进行中间模糊（平滑边缘）。

然后所有要做的就是使用蒙版裁剪图像并完成。（我不得不将其更改为 jpg 以达到 2mb 的限制，因此此处可能存在一些压缩伪影）。

这是代码（请注意，这是在 OpenCV 3.4 中，如果您使用的是不同的主要版本，则必须修改 findContours 行）

import cv2
import numpy as np

# load image
img = cv2.imread("leaf.jpg");

# grayscale
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY);

# canny
canned = cv2.Canny(gray,100);

# dilate to close holes in lines
kernel = np.ones((3,3),np.uint8)
mask = cv2.dilate(canned,kernel,iterations = 1);

# find contours
# Opencv 3.4,if using a different major version (4.0 or 2.0),remove the first underscore
_,contours,_ = cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE);

# find the biggest contour
biggest_cntr = None;
biggest_area = 0;
for contour in contours:
    area = cv2.contourArea(contour);
    if area > biggest_area:
        biggest_area = area;
        biggest_cntr = contour;

# draw contours
crop_mask = np.zeros_like(mask);
cv2.drawContours(crop_mask,[biggest_cntr],-1,(255),-1);

# opening + median blur to smooth jaggies
crop_mask = cv2.erode(crop_mask,iterations = 5);
crop_mask = cv2.dilate(crop_mask,iterations = 5);
crop_mask = cv2.medianBlur(crop_mask,21);

# crop image
crop = np.zeros_like(img);
crop[crop_mask == 255] = img[crop_mask == 255];

# show
cv2.imshow("leaf",img);
cv2.imshow("gray",gray);
cv2.imshow("canny",canned);
cv2.imshow("mask",crop_mask);
cv2.imshow("cropped",crop);
cv2.waitKey(0);

如果您想将其概括为包含多个前景对象，您可以按大小过滤轮廓并拒绝小于某个阈值的轮廓。

image-processing image-segmentation machine-learning roi