Как убрать блики и яркость изображения (предварительная обработка изображений)?

У меня есть изображение

Есть ли способ убрать яркие белые пятна? Пожалуйста, помогите спасибо

Редактировать:

После работы с гауссианом и последующего отображения с помощью imagesc получите следующий вывод, который четко показывает ярко-красные пятна. Как мне избавиться от них?

Красный канал:

Зеленый коридор:

Синий канал:

Изменить 2:

Обнаружение дефектов с использованием фильтра Габора

Его гистограмма:

Как адаптивно рассчитать соответствующий ему порог.

Давайте предположим, что блики являются единственными насыщенными областями на изображении. Обнаружение можно выполнить, установив порог интенсивности (код в Mathematica):

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

Тогда нам нужно только заменить части изображения вокруг маски насыщения (увеличение маски выполняется с помощью морфологической функции Dilation). Похоже, что рисование с использованием синтеза текстур (с использованием функции Inpaint) хорошо работает в этом примере, хотя я не могу проверить его в качестве входных данных для вашего алгоритма обнаружения дефектов:

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

Это может быть немного упрощенным ответом, но вы могли бы просто порог? например:

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

результаты в:

Очевидно, было бы лучше выбрать порог адаптивно. Например, вы можете посмотреть на гистограмму изображения:

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

и попробуйте выбрать соответствующий порог на основе этого.

Без освещения информации это сложно. Однако, если форма объекта на изображении известна, вы можете установить шаблон формы белого блика (гауссовский) и сделать скользящее окно, чтобы найти возможное обнаружение бликов (с последующим смешиванием цветов из смежной области). Мы воспринимаем трехмерную форму на основе изображений, используя затенение. Если форма от затенения может дать градиент поверхности, мы могли бы сделать скользящее окно и проверить наш шаблон бликов в каждом месте.

После обнаружения острого края: -

В основном, перекрытие (максимальная площадь перекрытия) между изображениями № 1 и № 2 будет дефектом.

Мое мнение таково, что это проблема машинного зрения, в которой вы должны управлять освещением и иметь представление о максимальной яркости неяркого пикселя в изображении. Обнаружение дефектов, как правило, является проблемой машинного зрения, а не проблемой компьютерного зрения.

То, что мы видим в результате освещения, является добавлением зеркальных и рассеянных отражений света (плюс некоторый коэффициент излучения, но здесь он незначителен).

Зеркальный компонент - это блики, на блестящей поверхности, как у этого яблока, он намного больше, чем диффузное отражение (> 10x)

Это означает, что если вы настроите освещение, усиление и экспозицию до этого на диффузной поверхности, вы можете быть уверены, что ничто не будет даже близко к насыщенному. Таким образом, использование фиксированного порога на самом деле является предпочтительным решением, если вы доказали с достаточным количеством данных, что «ни один пиксель, не содержащий бликов» будет выше порога. По сути, вы настраиваете условия освещения и параметры камеры таким образом, что классификация пикселя становится тривиальной, в этом случае выполняется по простому порогу, а не по более сложной машинно-обучаемой функции пикселей вокруг него.

Мне нравится подход "vini", нет необходимости показывать самолеты RGB. Просто простой порог в градациях серого на самом деле будет работать здесь.

1- вы проектируете условия освещения, а не окружающие

2- сделать работу по классификации чрезвычайно тривиальной (пороговая)

3- измерить особенность

4- сравнить с допуском

Сначала преобразуйте в лабораторное цветовое пространство mapminmax, затем используйте первый канал яркости. Это уменьшает проблемы с цветом. Затем используйте пороговое значение на верхнем 80% ярком пикселе. Проверьте и проверьте на падение в гистограмме, лучший порог находится около основания падения. Если в этом регионе нет локальных мин, ваше изображение, вероятно, имеет минимальные отражения ...... Мартин