Предобработка изображений

Описанные инструменты разработаны для обработки SEM снимков.

Для явного выделения границ фаз WC/Co используется последовательное применение следующиих алгоритом

1. выбирается сторона снимка. По умолчанию использвуется снимок в отраженных электронах

2. изображение сглаживается медианным фильтром для подавления шумов и выравнивания цветового распределения пикселей

3. слаженное изображение бинаризуется при помощи метода Отсу

4. от бинаризованного изображения берется градиент. Он явно показывает переходы вас WC/Co

5. бинаризованное изобржение инвертируется и к нему добавляется карта градиентов, полученная в п.4

Полная обработка изображения выглядит следующим образом:

preproc_image=1-Otsu(median_filter(image))+grad(Otsu(median_filter(image)))

Значения пикселей по классам:

• 0 - зерно WC

• 127 - регион Co

• 254 - граница региона Co, смежного с зернами WC. Толщина границы - 1 пиксель

Обработка одного снимка

img=io.imread(img_path) img=grainPreprocess.image_preprocess(img,h,k)

Обработка всего датасета снимков

all_images=grainPreprocess.read_preprocess_data(images_folder_path, images_num_per_class=150, preprocess=True, save=True)

Расположение снимков

Расположение исходных снимков и предобработанных снимков должно выглядеть следующим образом

project
│
└───images_folder
   │
   └───class1_images
   │       image1
   │       image2
   │       ...
   └───class2_images
   │       image1
   │       image2
   │       ...
   └───class3_images
   │       image1
   │       image2
   │       ...

Класс grainPreprocess

imdivide(image, h, side)

Разделяет входное изображение по середине и возвращает левую или правую часть

param image

ndarray (height,width,channels)

param h

int scalar

param side

float scalar

return

ndarray (height,width/2,channels)

combine(image, h, k=0.5)

Накладывает левую и правые части изображения. Если k=1, то на выходе будет левая часть изображения, если k=0, то будет правая часть

param image

ndarray (height,width,channels)

param h

int scalar

param k

float scalar

return

ndarray (height,width/2,channels)

do_otsu(image)

Бинаризация Отсу

param img

ndarray (height,width,channels)

return

ndarray (height,width), Boolean

image_preprocess(image)

Комбинация медианного фильтра, биноризации и градиента. У зерен значение пикселя - 0, у регионов связ. в-ва - 127,а у их границы - 254. Обраотанное изображение получается следующим образом: 1-Otsu(median_filter(image))+grad(Otsu(median_filter(image)))

param img

ndarray (height,width,channels)

return

ndarray (height,width,1)

read_preprocess_data(images_dir, max_images_num_per_class=100, preprocess=False, save=False, crop_bottom=False, h=135, resize=True, resize_shape=None, save_name='all_images.npy')

Считывание всего датасета, обработка и сохрание в .npy файл

param images_dir

str

param max_images_num_per_class

int

param preprocess

Bool

param save

Bool

param crop_bottom

Bool

param h

int

param resize

Bool

param resize_shape

tuple (width, height, channels)

param save_name

str

return

ndarray (n_classes, n_images_per_class, width, height, channels)

tiff2jpg(folder_path, start_name=0, stop_name=- 4, new_folder_path='resized')

Переводит из tiff 2^16 в jpg 2^8 бит

param folder_path

str

param start_name

int

param stop_name

int

param new_folder_path

str

return

None

get_example_images()

Скачивает из контейнера s3 по 1 снимку каждого образца

return

ndarray [[img1],[img2]..]

image_preprocess_kmeans(image, h=135, k=1, n_clusters=3, pos=1)

Выделение границ при помощи кластеризации и выравнивание шума медианным фильтром. Подходит только для смазанных фотограий, где границы у объектов достатчно широкие. Pos отвечает за выбор кластера, который будет отображен на возвращенном изображении

param image

array (height,width,channels)

param h

int scalar

param k

float scalar

param n_clusters

int scalar

param pos

int scalar, cluster index

return

ndarray (height,width)