Лучший способ найти край шумового изображения

Канонические сглаживающие фильтры с сохранением границ должны быть вполне подходящими для вашего конкретного приложения. Они одновременно удаляют шум (распределенный по Гауссу, я должен добавить ...), сохраняя при этом края как можно лучше. Классические примеры включают двусторонний фильтр, Фильтр управляемых изображений, автор Kaiming He, фильтрация преобразования домена Гастала и Оливейры (которую я успешно использовал в прошлом) и даже анизотропная диффузия.

Чтобы быстро попробовать что-то, управляемый фильтр изображений теперь включен в качестве официальной функции, которая является частью набора инструментов обработки изображений, начиная с MATLAB R2014a, через imguidedfilter. Если у вас нет MATLAB R2014a или более поздней версии, вы можете загрузить необработанный исходный код MATLAB по этой ссылке здесь: http://kaiminghe.com/eccv10/guided-filter-code-v1.rar, но вы можете получить его на основном веб-сайте, на который я ссылался выше.

Предполагая, что у вас нет R2014a, загрузите код фильтра управляемого изображения и используйте его для фильтрации вашего примера. Учитывая вашу ссылку на пример изображения, которое было повреждено шумом, я скачал его и использую в приведенном ниже коде:

I = im2double(imread('http://i.stack.imgur.com/ACRE8.png')); %// Load in sample image that was corrupted by noise
r = 2; %// Parameters for the Guided image filter
eps = 0.1^2;

%// Filter the image, using itself as a guide
q = guidedfilter(I, I, r, eps);

%// Show the original image and the filtered result
figure;
subplot(1,2,1); imshow(I, []);
subplot(1,2,2); imshow(q, []);

Мы показываем исходное изображение, затем результат управляемого фильтра справа:

Получив это, попробуйте использовать любой канонический детектор краев для обнаружения краев. Тот, который вы используете, предварительно размывает изображение перед поиском краев, но он использует стандартное сглаживание и пропускает некоторые края. Поскольку использование фильтра управляемого изображения приводит нас к точке, в которой края сохраняются, а общее изображение практически лишено шумов, мы можем попробовать что-то простое, например фильтр Собеля, на результате сглаживания краев:

[Gmag,~] = imgradient(q, 'sobel');
imshow(max(Gmag(:)) - Gmag,[]);

В приведенном выше коде используется imgradient для поиска градиентов изображения, а затем мы показываем изображение, инвертируя интенсивность, чтобы черные значения стали белыми, а белые стали черными, как показано в вашем примере.

... и мы получаем это:

Как видите, даже при наличии шума нам все же удалось сгладить множество краев.

Просто для того, чтобы добавить еще один метод к довольно полному и интересному ответу @rayryeng, я покажу вам, как устранить шум с помощью известного алгоритма полной вариации Сплит-Брегмана.

Этот алгоритм заставляет изображение иметь «меньше возможное количество уровней оттенков серого»*. Таким образом, это уменьшит шум изображения (поскольку похожие уровни гэри будут преобразованы в одинаковые), но сохранит края.

В Matlab не реализовано ТВ, но вы можете проверить эта реализация.

Пример использования (надеюсь, код говорит сам за себя)

N = 256; n = N^2;

% Read image;
g=double(imread('http://i.stack.imgur.com/ACRE8.png'));
%fill it with zeroes to make a NxN image
sz=size(g);
img=zeros(N);
img(1:size(g,1),1:size(g,2))=g;
g=img;

% the higher this parameter is, the stronger the denoising
mu = 6;

% denoise 
g_denoise_atv = SB_ATV(g,mu);
%prepare output
denoised=reshape(g_denoise_atv,N,N);
denoised=denoised(1:sz(1),1:sz(2));

% edges
[Gmag,~] = imgradient(denoised, 'sobel');

subplot(131); imshow(g(1:sz(1),1:sz(2)),[]);title('Original');
subplot(132); imshow(denoised,[]);title('Denoised');
subplot(133); imshow(max(Gmag(:)) - Gmag,[]);title('Edges');

]

Если вы играете с параметром mu, вы можете получить изображения с очень низким шумом (но данные изображения будут потеряны) или с очень небольшим шумом (но данные о качестве изображения будут более сохранены);

mu=40

mu=1;

_{* Это нематематическое объяснение метода. Для пуристов проверьте методы регуляризации L1.}