我的目标有些模糊，因此我没有可复现的代码。

我想开发一个网络，使用特定类型的灰度图像进行训练，以检测超过一定灰度强度阈值的区域。

我应该如何继续进行？这是否需要使用神经网络？

下面是一些样本图像。最左边的图像是应该呈现的样子，中间的图像是当它发现有一些黑色线条（不是完全黑色，但超过某个灰度强度的阈值）时的样子，最右边的图像是我期望的代码输出结果。

附注：这特别适用于在CT扫描中检测裂缝，裂缝在其他灰度背景中显示为深黑色块/线条

回答：

这非常简单，你绝对不需要使用神经网络来解决这个问题。如果你处理的是灰度图像，并且知道你感兴趣的强度阈值（例如，你允许的强度值最高为3），你只需进行一个简单的阈值操作来识别黑色区域。

这可能也适用于你的CT扫描应用，前提是这些“裂缝”总是非常低的强度。

例如，对于应用了你示例图像中“裂缝”的CT图像，阈值处理这些裂缝的效果会很好（你只会得到一些背景噪声/伪影）。请看以下OpenCV代码片段：

输入：

原始图像来源：www.radiologyinfo.org

输出：

如你所见，这实际上只是三行代码，不要总是假设你必须对所有事情使用神经网络，有时用“老派方法”解决图像处理问题是最好的选择。特别是当问题非常简单时。