如何从图像中删除某些背景？

这是经过Gabor滤波后获得的图像...除了亮白色的圆形缺陷外，还有什么方法可以去除图像中的线条。

尝试使用其他方向的gabor过滤器得到以下结果：

达到阈值后：哪个还可以，但还不算太好

中值过滤后：

提前致谢

如果您的Gábor滤波器的输出是可靠的，并且图像数据中的变化不是很高，以致结果看起来完全不同，那么您可以使用以下方法（部分内容已提到）：

1. 使用任何自动阈值算法对第二张图像进行二值化处理。如您所见，将起作用的阈值范围很大。

2. 使用组件标记算法以唯一的值标记像素的每个连接区域。

3. 计算图像中每个组成部分的属性，该属性描述对象与实心圆的接近程度。为此，您可以使用例如compactness。我使用了低于等效磁盘半径内的像素分数。该半径是与对象具有相同面积的磁盘的半径。

   1. 面积只是计算对象的像素数
   2. 给定圆弧面积，计算圆弧半径也应易于管理
   3. 对于此半径内的像素，您需要每个图像对象的中心，但这只是对象像素所有位置的平均值。如果您是物理学家，那么您就会知道几个点质量的质心。这是等效的。
   4. 现在，您为每个对象的每个像素计算距其中心的距离，并检查其是否小于圆半径。将两个数字相除，即可得到内部像素和外部像素的分数。
4. 取分数最高的物体。注意：只有一个像素的对象将获得1的值。因此，您应该设置大小阈值，并且只接受较大的对象，例如10像素。

要看到自动二值化应该起作用，这是阈值非常低和非常高的结果：

更新组件标签

组件标签的选择对于您的应用程序并不重要。我建议，如果您必须自己实现它，请使用一种非常简单的方法。Wikipedia网站的一过一通版本非常简单。基本上，您会遍历二进制图像，并且遇到一个白色像素且尚未被标记的像素时，可以对该对象使用新的标记，并从该像素开始。

用标签标记该对象的过程基本上类似于泛洪填充。这是Wikipedia站点上算法的内部步骤1-4。您从这个标记的像素开始，并将其所有邻居放置在堆栈中（它们使用了vector）。对于堆栈上的像素，请检查它是否是前景并且尚未标记。如果必须标记它，则可以将其所有邻居再次放置在堆栈中。这样做直到堆栈为空。

然后，您继续扫描图像。与Wiki网站上的描述不同，您不必从原始图像中删除像素，而当标签图像中的值不同于0时，只需跳过。

一些想法：

1. 根据边缘强度的密度过滤掉边缘。使用圆形核的近似值，求出平均边缘强度（或其他度量）。穿过等于或高于阈值的任何边缘，将低于阈值的任何边缘设置为黑色。
2. 使用形态学的“关闭”操作（先扩张，然后腐蚀）清理图像，然后使用区域标记算法（又称连通分量，斑点）查找所有斑点。根据大小，长轴与短轴之比等过滤斑点数据。
3. 尝试使用高斯模糊，找到一个二值化阈值以分割来自黑暗的光线，然后按照上面的步骤2中所述过滤斑点。（要快速逼近高斯模糊，请捏紧双眼皮并在图像上斜视。）
4. 在Photoshop或GIMP中尝试一些过滤器。

编辑：中值过滤步骤之后，您已完成大部分操作。做得好！我在上面建议的第2项（关闭，然后标记区域）是一种将您带入其余部分的技术。

您可以尝试激活轮廓。尽管它可能很慢，但可以处理这种复杂情况。

或者，您可以使用一些先验知识来处理此图像。例如，您知道blob事物是“大”和“连接”的。因此，当您计算每个连接区域的数量时，就可以找到它。