我正在开展一个应用主动形状模型 在牙科 X 光片中定位牙齿的项目。对于那些熟悉该技术的人，我目前正在尝试沿法线向量对每个地标进行采样。该论文建议采用采样像素的导数：“为了减少全局强度变化的影响，我们沿轮廓采样导数，而不是绝对灰度值。”

所以我的问题是如何以最好的方式过滤牙科X光片，为它们应用衍生算子做准备。我目前正在使用中值滤波器的组合来去除我认为的大部分量子噪声（斑点）。其次是双边滤波器。然后我应用Scharr 算子来计算应该采样的实际梯度。

结果如下：

第一张图片显示了原始数据。在第二幅和第三幅图像中，呈现滤波后的数据，首先作为 FFT 后的频谱幅度，然后作为滤波后的图像数据。第四幅图像显示了将 Scharr 算子应用于第三幅图像的结果。

我的问题是：

• 是否有一种众所周知的降低牙科 X 光片噪音的方法与我的方法不同？
• 是什么导致边缘和“平坦”（非边缘）区域出现“烟熏”外观？它是过滤图像中的某种剩余噪声还是梯度算子固有的？如果确实是噪音，哪种过滤器最适合使用？中值滤波器擅长去除小的嘈杂斑点，但大内核会导致边缘模糊太多。因此，双边滤波器用于过滤掉较大的斑点并在不损害边缘的情况下均衡整个区域的颜色，但它无法过滤这种烟雾状结构。
• 在这种情况下，是否有比 Scharr 运算符更好的选择来创建渐变？
• 奖励：这会被认为是 Active Shape Model 的一个很好的输入吗？我还不知道它们有多强大。