试图找出方向重叠线图像,在我绞尽脑汁

1视图(30天)

显示旧的评论

Korbi 2020年2月23日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/507105-trying-to-identify-directions-of-overlapping-lines-in-images-at-my-wit-s-end

评论道: 图像分析 2020年4月4日

答:接受 j·亚历克斯。李

大家好,

我有大量的thermographic碳纤维增强塑料零件的照片。我的任务是建立一个Matlab工具,它会读取图像,给我方向的纤维图像。到目前为止,我能够识别单一层的取向,像左边的图片:

我得到的图像矩阵方差行-45年,0,45和90度的角。最小方差的方向是方向线。

然而,分解当我像右边的图像。

我试过其他东西:

得到梯度图像,脚腕分析:第一张图片作品,但边缘检测不承认在第二图像对角线。
从第一张图片使用部分,手动添加行与已知的角度,计算相似性我改变图像和第二图像1:平根本不工作,无论是ssim还是normxcorr2给更高程度的相关性/相似图片用正确的角度
从第一张图片使用部分,通过拉伸图像imdilate功能:同样的问题。

现在我越来越绝望,因为我已经做了所有我能想到的,和我的上司不是内容。

如果任何人有任何想法,我将非常感激!

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

接受的答案

j·亚历克斯。李 2020年2月25日

1
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/507105-trying-to-identify-directions-of-overlapping-lines-in-images-at-my-wit-s-end answer_417260

你看着氡转换吗?你可能会得到一些“信号”45和135方向正确的图像……

如果这些只是小样本的图像在更大的区域, 也许 fft可以给你辐条在正确的方向

它看起来像你的镜头可能工件或并没有帮到你任何喜欢的东西,例如,有一些线图像的右下角的45度角两个图片…

13个评论
显示12以上的评论藏12个年长的评论

Korbi 2020年2月25日

谢谢你的回答。

你看着氡转换吗?你可能会得到一些“信号”45和135方向正确的图像……

氡转换的脚腕已经遭受同样的问题;黑色/白色图像生成完全消除了微弱的对角线,像下面的图片:

如果这些只是小样本的图像在更大的领域,或许fft可以给你辐条在正确的方向

害怕整个部分,图像减去几毫米的边缘,以避免问题源于热流到我悬架总成。fft这里指的究竟是什么?收集到的图像相位图像通过fft已经通过lockin-thermography和傅里叶转换。

它看起来像你的镜头可能工件或并没有帮到你任何喜欢的东西,例如,有一些线图像的右下角的45度角两个图片…

那实际上是一个问题,当我产生了那些照片的一部分,我不得不削减碳纤维增强磁带在这样的一个角度,安排他们,这导致你看到界。我想分析线的形象,我应该过滤掉,整个地区所以不影响休息,。

Korbi 2020年2月25日

你可以没有binarizing拉东变换应用于灰度图像

谢谢你的提示,我会玩一段时间。

至于温度仪已经fft算法,对不起我不熟悉测量技术……但对于澄清,你显示的图像转换的“坐标”的频率空间,不是真实的空间?换句话说做行可见的图像对应的物理纤维,和你们的方向性检测吗?

啊,我明白了。不,Fourier-Transformations的图像结果时间, 我们把视频加热和冷却时的兴奋sinus-pulsed激光。

相位图像显示令人兴奋的激光脉冲间的相位差,和响应的像素。纤维和基质材料之间的热导率的差异会导致不同的相位延迟。对不起如果我不能很好地解释说,英语不是我的母语, 在这里是一个快速的总结。

所以,照片是在真实空间的特性描述,不转化为频率空间。

Korbi 2020年4月3日

我真的很抱歉没有响应了六个星期,我没有注意到你问我一个问题,直到今天我重温了这个线程。

我很好奇如果你需要做你的目的。

我不知道你所指的“背景”。我最后做的是使用Matlab的正常功能,使图像的直方图对称为0。现在到处拉东变换几乎是零,除了线的方向,至少在我的测试图像。真实图像更棘手。

但我也注意到,周期性的波动氡转换。只有离开当我用我的形象窗口函数;损害和汉明都同样工作。

对不起如果我不能很好地解释说,我的想法 [这] 论文,但是在德国。

这两个图片显示的区别(1)过滤,过滤(2)氡转换的测试图像包含了一系列的直线:

这个窗口似乎比分析一个圆形区域的图像,因为它抑制了涟漪:

我坦白说不明白为什么这些涟漪存在,论文只提到了类似的现象存在傅里叶变换,因为“边缘效应”,但没有详细说明。

j·亚历克斯。李 2020年4月4日

你描述图像分析师平均氡是不一样的(为)为中心的氡形象,除非我误解了?

                                  我= imread (“peppers.png”);
                                 
                                  一个= rgb2gray (im);
                                 
                                  抵消=意味着((:));
                                 
                                  R2 =氡(A-offset);%氡的零均值
                                 
                                  (R0, Xp) =氡(A);%氡的生
                                 
                                  R1 = R0. /氡的(大小(A)));%的意思是氡
                                 
                                  次要情节(1,1);显示亮度图像(0:179、Xp、R0);
                                 
                                  次要情节(3、1、2);显示亮度图像(0:179,Xp, R1);
                                 
                                  次要情节(3,1,3);显示亮度图像(0:179,Xp, R2);

我想后者在这谈话,因为我觉得我想早些时候分析投影的强度,而不是标准差。现在我更开明的图像分析和理解我想要标准偏差,但它仍然对我来说我希望零平均氡的形象,并可能Korbi应该也;我只是怀疑正常化()是错误的方式来达到它,因为它似乎只经营单一维度的图像(没有“所有”选项)。

Korbi 2020年4月4日

调查,我编译的一个简单的测试图像,组成两个竖线(价值1)等距,我叫‘testbild5.png’

我试着四个氡转换,三个你已经做的,和一个我添加了一个窗户,window2函数 [这] 优秀的窗口发生器。

                                  我= imread (“testbild5.png”);
                                 
                                  如果大小(im, 3) ~ = 1
                                 
                                  我= (rgb2gray (im));
                                 
                                  其他的
                                 
                                  我= (mat2gray (im));
                                 
                                  结束
                                 
                                  图;
                                 
                                  imshow (im, [])
                                 
                                  (x, y) = (im)大小;
                                 
                                  抵消=意味着(im (:));
                                 
                                  B =双(im-offset)。* window2 (x, y, @hann);
                                 
                                  图;
                                 
                                  imshow (B, []);
                                 
                                  θ= [90:89];
                                 
                                  R2 =氡(im-offsetθ);%氡的零均值
                                 
                                  (R0, Xp) =氡(im,θ);%氡的生
                                 
                                  R1 = R0. /氡(((im)大小),θ);%的意思是氡
                                 
                                  R3 =氡(B,θ);
                                 
                                  图;
                                 
                                  次要情节(4 2 1);显示亮度图像(θ,Xp, R0);
                                 
                                  次要情节(4、2、3);显示亮度图像(θ,Xp, R1);
                                 
                                  次要情节(4、2、5);显示亮度图像(θ,Xp, R2);
                                 
                                  次要情节(4 2 7);显示亮度图像(θ,Xp, R3);
                                 
                                  Radvar0 = var (R0);
                                 
                                  Radvar1 = nanvar (R1);
                                 
                                  Radvar2 = var (R2);
                                 
                                  Radvar3 = var (R3);
                                 
                                  次要情节(4 2 2);情节(θ,Radvar0);
                                 
                                  次要情节(4、2、4);情节(θ,Radvar1);
                                 
                                  次要情节(4 2 6);情节(θ,Radvar2);
                                 
                                  次要情节(4 2 8);情节(θ,Radvar3);

结果是这样的:

我们可以看到,窗口函数更抑制涟漪,但它也带走了很多的对比。方差低一个数量级。谢谢你的建议,图像分析,可能改变我可以从深层可见层取向,到目前为止一切过去的第三迷失在噪音。

李,你观察到正常化()只适用于一维也解释了为什么我不能正常化()我的测试图像,因为每一行的形象是一个或零。

图像分析 2020年4月4日

是的,列的标准差会更高,当行面积与投影角。所以你寻找最高的列标准偏差角。类似的

                                  %得到标准偏差的所有列一维行向量。
                                 
                                  sdVec =性病(Radvar, 1);
                                 
                                  %找出哪些列最高标准偏差。
                                 
                                  (maxSD、列)= max (sdVec);
                                 
                                  %得到特定列的角度。
                                 
                                  角=θ(列)

明显的适应性(变量名等)

登录置评。

类别

图像处理和计算机视觉

找到更多的在图像处理和计算机视觉在帮助中心和文件交换

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

试图找出方向重叠线图像,在我绞尽脑汁

0评论
显示1年长的评论藏1年长的评论

接受的答案

13个评论
显示12以上的评论藏12个年长的评论

更多的答案(0)

另请参阅

类别

标签

社区寻宝

试图找出方向重叠线图像,在我绞尽脑汁

0评论 显示1年长的评论藏1年长的评论

接受的答案

13个评论 显示12以上的评论藏12个年长的评论

更多的答案(0)

另请参阅

类别

标签

社区寻宝

0评论
显示1年长的评论藏1年长的评论

13个评论
显示12以上的评论藏12个年长的评论