テクスチャの影響を軽減させ、欠陥検出をしやすい状態にするために、最初にテクスチャ背景から、均一的な背景を推定します。

検査画像にFFTを適用し高周波成分を除外した画像を生成することで、検査画像から直接、「背景画像」を生成することができます（図4）。 

検査画像とStep1で推定した「背景画像」との差分をとることで、テクスチャの影響を軽減し、欠陥を強調することが可能です（図7）。

Step2にて、欠陥を強調することができました。この画像に対して、最終的な欠陥を抽出していきます。

テクスチャノイズを含んだ状態から、低コントラストな欠陥を検出するために、まず、画像に対して、median_image()により平滑化を適用します（図8）。

次にwatersheds_threshold()を用いて、画像中の輝度のピークの位置によって、指定したしきい値以上の変化があった部分を別々の領域に分割します（図9）。

さらに、分割した領域が持つグレイ値エネルギーをcooc_feature_image()を用いて計算します。 黒い欠陥領域がもつエネルギーが小さくなるため、しきい値を設定し、欠陥としてみなすべき、黒い欠陥のみ抽出します（図10）。