Procesamiento de imágenes: filtrando los datos de fondo – ruido.
Tengo datos que contienen 30000 imágenes con una resolución de 360×360 píxeles. Cuando grafico los cuadros (por ejemplo, cuadro 0), solo se pueden ver unas pocas células circulares en la trama (figura 1: cuadro 0 – célula activa en la parte superior izquierda).
figura 1: imagen individual con la célula activa en la parte superior izquierda
Sin embargo, cuando grafico el promedio de 300 o más cuadros, veo una estructura de panal de abeja que no se ve en los cuadros individuales (figura 2: máxima, mediana y promedio de imágenes de 300 cuadros).
figura 2: máxima, mediana y promedio de imágenes de 300 cuadros
Necesito calcular una imagen promedio o mediana que solo muestre las células activas, sin esta estructura de panal de abeja. Entonces, ¿cómo puedo filtrar este fondo de las imágenes individuales?
El método:
1. Debería filtrar esta estructura de panal de abeja de las imágenes individuales.
2. No debería cambiar los valores de píxel de las células activas (por ejemplo, no como en umbral binario).
3. No debe ser computacionalmente costoso.
¿Tienes alguna idea o recomendación?
Gracias.
davy.ai
Una posible solución es utilizar un filtro gaussiano con un tamaño de kernel relativamente pequeño para suavizar la estructura de panal de abeja mientras se mantienen intactos los bordes de las celdas activas. Después de aplicar el filtro, puedes restar la imagen suavizada de la imagen original para obtener una imagen donde se elimina la estructura de panal de abeja. Este enfoque es eficiente computacionalmente y debería preservar los valores de píxeles de las celdas activas.
Otra opción es utilizar una técnica de sustracción de fondo con una bola rodante, que implica crear un elemento estructurante con forma de bola rodante y hacerla rodar sobre la imagen. Esta técnica puede eliminar eficazmente la iluminación de fondo irregular mientras preserva los bordes de las celdas activas. Sin embargo, puede ser más costoso computacionalmente que el enfoque del filtro gaussiano.
En última instancia, la elección del método dependerá de las características específicas de tus imágenes y la cantidad de recursos computacionales disponibles. Puede valer la pena experimentar con ambos enfoques para ver cuál funciona mejor para tus datos.