如何从图像中去除大颗粒噪声？

Question

这可以概括为：如何从图像中删除与另一个区域相似的区域？

大图为灰度图。我里面有很多沙子，我需要检测特征。 沙粒有多个像素大。我知道图片中的沙子在哪里。 它看起来像这样：


我有这种沙子（还没有灰度）：

我想要实现的是，所有的沙子都变成一个从 0.0 到 1.0 的单一值，或者一个变化很小的值； 这样我就可以轻松地检测到这些特征。
所以基本上：将所有看起来 相似 的图像中的某个区域从图像中移除。
我想也许有人可以做这样的事情：
噪音+噪音=噪音；它看起来和以前一样嘈杂。
噪音+特征=噪音；看起来比以前更吵了
（这实际上可能是解决方案，尽管我仍然想问你们）

什么样的算法适合，你有什么建议？

编辑：这是一张真实的图片。

Answer 1

我可以建议你尝试模板匹配。

（在进一步变换之前使用均值或高斯滤波器模糊源图像可能有意义，但它不能对特征影响太大）。

过滤平均值和偏差接近噪声的区域（估计沙子区域的此值）。在这种情况下，过滤器大小不应很大，比搜索到的特征小 2 倍以上。

更复杂的方法是模板匹配。它是模板区域（沙子）与图像区域的逐像素比较。如果结果低于（或高于，取决于使用的方法）某个阈值模板匹配。但我认为在你的情况下，它可能比上面提到的基本过滤器效果更差。

您也可以尝试使用 Sobel 运算符或其他一些图像导数的变体。为了在图像上找到边缘（您的特征似乎有一个，而沙子没有）。

附：稍后将尝试使用适用于您的示例图像的描述方法添加几张图片。

Answer 2

对于那些偶然发现这一点的人。 最后，我选择了可​​训练的 WEKA 分割。我用斐济 (ImageJ) 来尝试一下。它比所有其他人都好得多。噪音总是不同的，所以不幸的是模板匹配效果不够好。 另一个看起来很有希望的是我在斐济的 Plugins>Segmentation 下发现的 Statistical Region Merging。 但是 WEKA 给出了最好的结果。

但我确实希望，我最终会找到更快的东西。