Как анализировать изображение в Matlab?

Question

Я застрял в основной проблеме. Мне нужно понять и проанализировать изображение с помощью Matlab. Вот несколько шагов, которые я следую: 1. Узнайте о свойствах изображения (например, тип изображения (оттенки серого/rgb), цветовая палитра, максимальная интенсивность пикселей) 2. Изучите гистограмму изображения с использованием имхиста и проверьте особенности 3. Рассмотрим область интересов для дальнейшей обработки. 4.? 5.? 6.?

Но дело в том, что мне действительно нужно углубиться и попытаться выяснить, есть ли, предположим, что гуасианское/нормальное распределение интенсивности в пикселях или шум, который присутствует, нужно ли мне применять laplacian filter и т. д.

Это процесс проб и ошибок? Если я слежу за целевым подходом, скажем, обнаруживая оптический диск в изображении сетчатки, мне может потребоваться провести обзор литературы, прежде чем пытаться самостоятельно настроить алгоритм. Но мне действительно нужно проанализировать изображение самостоятельно и вдуматься в него. Просьба помочь мне с конкретными учебниками по анализу изображений. (Я смог найти только описание функции и пример кода, выполнив эту операцию)

Answer 1

Трудно проанализировать изображение без конкретной цели, это связано главным образом с тем, что компьютер работает непосредственно с деталями низкого уровня: значения пикселей в 2D-матрице. С другой стороны, люди сначала видят вещи на высоком уровне: изображение - это автомобиль, или ребенок, или что-то еще.

Хорошим отправным местом может быть анализ статистических моментов изображения, среднего, стандартного отклонения, асимметрии и более высокого порядка moments. Это очень полезно, особенно при анализе текстуры. Кроме того, может быть лучше вычислить эти свойства локально (т. Е. Вместо того, чтобы получать среднее и стандартное отклонение всего изображения, разбить его на n-мерную сетку изображений). В любом случае это уменьшит объем данных с. Альтернативно, быстрое преобразование Фурье будет показывать какое-либо периодическое поведение на изображении. Максимум в частотном спектре указывает на то, что пространственная область имеет своего рода периодическое поведение. Если вы считаете, что шум может быть проблемой, фильтр для свертки - это путь (гауссовский, средний и т. Д. В зависимости от типа шума).

Большинство пространственных методов полезны только тогда, когда у вас есть представление о том, что вы ищете (или что вы знаете, что на самом деле есть что-то искать), особенно сегментирование и морфологические методы.