Usuwanie szumów w medycznym obrazie segmentowym

10

Czy ktoś może zasugerować metody usuwania szumu (wskazanego wewnątrz czerwonego kwadratu) z każdego miejsca na poniższym obrazie, zachowując białe linie?

Segmentowy obraz medyczny

crack_addict
źródło
5
Czy to obraz siatkówki? W takim przypadku zamiast przerabiać szybkie i brudne rozwiązanie za pomocą filtra Sobel (lub odpowiednika) i próbować „usunąć szum”, sugeruję zacząć od przeczytania obfitej literatury na ten temat. Te problemy zostały rozwiązane w kółko i prawdopodobnie zaoszczędzi ci dużo czasu na przeczytanie o tym, co działało w przeszłości. Wtedy możesz zacząć innowacje naprawdę :)
static_rtti
słuszna uwaga, jednak kilka podanych linków mogło być jeszcze lepszych. bez wątpienia jest jeszcze Google.
AruniRC
1
Jeszcze lepiej, Google Scholar. Nie mam wystarczającej wiedzy na temat tego precyzyjnego punktu, aby podać lepsze linki niż Google, przepraszam: - /
static_rtti
1
@crack_addict: czego dotychczas próbowałeś?
Amro
1
Byłoby również miło wiedzieć, do czego zostanie wykorzystany wynik tego procesu (aby wiedzieć, jak dobre powinno być czyszczenie hałasu z pozostawieniem białych linii)
penelopa

Odpowiedzi:

3

Jedno rozwiązanie, które znalazłem, jest następujące:

  1. Wartość progowa dla wartości w skali szarości.
  2. Usuń obiekty na podstawie wielkości.
  3. Więcej operacji morfologicznych.

wprowadź opis zdjęcia tutaj

crack_addict
źródło
Czy mógłbyś podać trochę więcej szczegółów w kroku 3, tj. Jakie operacje morfologiczne były dla ciebie pomocne?
Paul R
Chciałbym dobrze wyjaśnić moją odpowiedź: po pierwsze nie mogłem usunąć obiektów na podstawie rozmiaru, ponieważ widać, że obiekty są nieco połączone, więc ustawiłem próg na podstawie poziomu szarości, który dobrze rozdzielił małe obiekty w 3. kroku Rozszerzyłem się, aby użyteczne obiekty były kontynuowane, a następnie użyłem przerzedzania krawędzi, aby uzyskać cienkie linie
crack_addict,
3

Czy można uzyskać wiele obrazów, tj. Czy cel jest statyczny? Jeśli tak, możesz „ułożyć” obrazy w celu usunięcia szumu. Prosta funkcja średniej lub mediany usunie losowy szum ze stosu obrazu i pozostawi jedynie sygnał (tj. Białe linie).

użytkownik3172
źródło
1

Z początkowego filtrowania opartego na obszarze wydaje się, że wyniki mogą nie być zadowalające, ponieważ usuwa komponenty, które są liniowe, ale nie tak duże w obszarze. Patrząc na strukturę pierwszego planu do wydobycia, widzimy, że są to długie struktury. Można rozważyć użycie liniowych elementów strukturalnych. Ale tutaj obraz składa się z różnych kątów i rozgałęzień. Proponuję przeczytać następujący artykuł, który przedstawia otwarcie ścieżki, które jest pokazane na zdjęciach terenowych sieci drogowych.

beedot
źródło
0

Wygląda na to, że „szum” to tekstura / wzór. Być może spróbujesz usunąć ten wzorzec, abyś mógł kontynuować proces przetwarzania. Moim zdaniem operacje morfologiczne i wykrywanie krawędzi nie będą działały tak dobrze (nie ma dowodu, tylko pierwsze wrażenie na tym scenariuszu, ze względu na zbyt podobny wygląd szumu i cech / poszukiwanych informacji). Jeśli będę miał czas na weekend, spróbuję z kilkoma metodami usuwania tekstur i będę cię informować.

mchlfchr
źródło