Documente Academic
Documente Profesional
Documente Cultură
Adic:
(3)
(4)
Unde
I. INTRODUCERE
(1)
u
unde
se obine cnd
(5)
Aadar discontinuitile de intensitate (muchiile) reprezint
sumele obinute prin convoluia imaginii procesate cu mile
corespunztoare.
II. GENERALITI
Detecia muchiilor este o problem fundamental n
prelucrarea imaginilor, deoarece permite extragerea
informaiei de baz dintr-o imagine, necesar mai departe n
analiza i nelegerea computerizat a acesteia. Detecia
frontierelor n imagini se bazeaz pe operatori care
aproximeaz n planul discret gradientul sau laplacianul
imaginii [3].
Clasificarea detectorilor de contur poate deveni
problematic, ns simplific mult procesarea de imagini n
vederea artificial, prin asocierea a diferitor reguli de
procesare pentru fiecare tip de muchie (vezi fig.2)
(6)
Operatorii de gradient sunt reprezentai printr-o pereche de
mti H1 i H2, care msoar gradientul imaginii u(m,n) n
dou direcii ortogonale. (Fig.3)
2.
Modificarea funadalului
3.
4.
conturarea muchiei
5.
6.
7.
(10)
Unde
(11)
TABEL I
OPERATORI DE GRADIENTI UZUALI
H1
H2
Roberts
Prewitt
(12)
Iar dac acestuia i aplicm un threshold obinem harta
muchiilor.
Sobel
Isotropic
Operatorii de compas
Operatorii de compas msoar gradientul ntr-un numr de
direcii. (Fig.4).
1)
2)
3)
(Kirsch)
4)
1)
2)
3)
4
Operatorul Laplacian cere mai puine calcule, ns el este
mai sensibil la tranziiile brute de intensitate, i la zgomot. De
asemenea, mrimea de threshold a lui
produce cteodat
muchii duble. Din aceste motive, mpreun cu faptul c nu
detecteaz nici direcia muchiei, operatorul Laplacian este
considerat un operator nu foarte bun pentru detecie de muchii.
Acest operator se utilizeaz mai degrab n relaie cu
trecerile sale prin zero, fapt care a dus la generarea unui nou
detector de muchie, numit Zero Crossing. Acesta are
caracteristici fixe n toate direciile i este sensibil la zgomot,
la fel ca operatorul Laplacian din care provine.
(15)
Aadar, detectorul de treceri prin zero este echivalent cu un
filtru trece jos cu un rspuns n impuls de tip Gausian, urmat
de un operator Laplacian. Parametrul controleaz rspunsul
n amplitudine al ieirii filtrului fr s modifice poziia
trecerilor prin zero. [1]
Din (1) rezult:
(16)
Informaia legat de direcie poate fi obinut cutnd prin
trecerile prin zero ale derivatei de ordin doi de-a lungul lui r,
pentru fiecare variaie a lui . [4]
5
D. Detectorii Gausieni
Acetia sunt simetrici de-a lungul muchiei, i de asemenea
reduc zgomotul prin netezirea imaginii. Cei mai importani
operatori din aceast categorie sunt operatorul Canny i
operatorul ISEF (Shen-Castan).
Operatorul Canny este cel mai folosit n prezent, dei nu
face chiar parte din categoria detectorilor cei mai noi, fiind
inventat n anul 1986. A fost creat de John Canny n cadrul
lucrrii sale de dizertaie pentru un Master MIT. El a tratat
problema deteciei de muchii ca pe o problem de optimizare a
unei procesri de semnal [7], aadar a implemenat o funcie
pentru ca mai apoi s-o optimize i s o foloseasc n
proiectarea operatorului.
Funcia a fost gndit astfel nct:
- S maximizeze RSZ pentru a oferi o detecie bun,
- S realizeze o bun localizare pentru a marca cu precizie
marginile,
- S minimizeze numrul de rspunsuri pentru o singur
muchie. Acest lucru favorizeaz identificarea adevratelor
negative, ceea ce presupune marcarea punctelor care nu sunt
muchii.
Global, algoritmul deteciei de contur implementat de
Canny este urmtorul:
1. Netezirea imaginii
Multe implementri ale acestui detector mpart acest proces
n doi pai: primul pas este convolutarea imaginii cu o
gausian pentru netezire, iar al doilea pas este ctarea de
maxime n derivatele pariale de ordin nti ale semnalului
rezultat (folosind mti similare mtilor Sobel). Aadar
imaginea poate fi convolutat cu 4 mti, pentru a cuta
muchii orizontale, verticale i diagonale.
Astfel, la acest pas operatorul Canny caut maximele funciei
unde
gausiana.
2. Suprimarea non-maximelor
Muchiile apar n locurile n care apar maximele gradientului.
Aadar, toate celelalte puncte trebuie anulate. Pentru a face
aceasta, trebuie calculat mrimea i direcia gradientului
pentru fiecare pixel n parte. Apoi trebuie verificat dac pentru
aceti pixeli dimensiunea gradientului este mai mare la o
distan de un pixel n oricare din direciile pozitive sau
negative perpendiculare pe gradient. Dac pixelul nu este mai
mare dect amndou, atunci trebuie ters.
3. Subierea muchiilor i eliminarea celor neimportante
(thresholding)
Metoda folosit de Canny poart numele de hysteresis.
Aceasta implic folosirea a dou valori diferite de threshold,
valoarea cea mare de threshold fiind de regul de trei ori mai
mare dect cea mic. Orice pixel aflat ntr-o list de muchii
care are un gradient mai mare dect valoarea maxim de
threshold este clasificat ca muchie valid. Oricare pixeli
Un alt tip de operator gausian este operatorul ISEF (ShenCastan). Acesta este, ca i Canny, un detector optimal de
muchie, i seamn cu acesta din cteva puncte de vedere,
cum ar fi convoluia cu un nucleu de netezire urmat de
cutarea muchiilor.
Funcia care se dorete a fi minimizat n acest caz este:
(17)
Iar funcia filtrului optim inventat de Shen i Castan este
filtrul exponenial infinit simetric [8]. n spaiul
unideimensional, ISEF este de forma:
(18)
6
Att Canny ct i ISEF sunt algoritmi optimi de detecie a
muchiilor. Diferena este c primul folosete o gausian pentru
a aproxima muchiile, n timp ce ISEF folosete un filtru
exponenial. ISEF se dovedete a da o aproximare mai bun a
contururilor, aadar un RSZ superior.
Totui, schemele de detecie bazate pe detectori de gradient
sufer de mai multe probleme, ns rmn n continuare cei
mai utilizai n aplicaiile de vedere artificial. Cteva dintre
aceste probleme sunt:
1. Trebuie s se aleag valorile de threshold i limea mtii.
Limea mtii (adic nivelul de netezire al imaginii) afecteaz
poziiile trecerilor prin zero i gradienii de maxim intensitate
din imagine. ns poziia estimat a muchiei nu ar trebui s fie
afectat de mrimea mtii de convoluie;
unde
reprezint estimatul antegrad i
estimatul retrograd al lui u(m,n) din observaii zgomotoase
ntr-o fereastr W definit ca:
n punctual P(m,n).
7
cel mai cuprinztor articol pe aceast tem este [13], unde
Trahanias i Venetsanopoulos folosesc statistici de ordine a
vectorilor i calculeaz diverse mrimi, precum valoarea de
median, pentru a face detecia muchiilor. Algoritmii care
folosesc mai multe operaii vectoriale sunt de preferat celor
care folosesc mai puine [14]. Chiar dac mecanica percepiei
culorilor presupune trei procese separate, senzaia noastr de
culoare, analog senzaia de muchie, este omogen.
V. CONCLUZII
Scopul acestei lucrri este de a prezenta diferite abordri ale
problemei deteciei de muchii. Pentru aceasta am fcut un
rezumat al caracteristicilor diferiilor operatori care s-au
folosit de-a lungul timpului referitor la aceast problem.
n cazul imaginilor foarte zgomotoase nu exist diferene
calitative foarte mari ntre aceti operatori. ns pentru
aplicaii practice, unde se lucreaz cu imagini obinuite, cel
mai folosit la ora actual este algoritmul Canny. Iar prin
metode de fuziune a planurilor de culoare, detectorul Canny
color ofer rezultate chiar mai bune dect varianta cu nivele de
gri.
n acest domeniu exist nc numeroase posibiliti de
cercetare, iar din acest motiv, pe viitor plnuim s proiectm
un algoritm care s ofere o nou abordare pentru detecia de
muchii, n scopul recunoaterii de obiecte.
REFERINE
TABEL IV
AVANTAJE SI DEZAVANTAJE ALE OPERATORILOR STUDIATI
Operator
Gradient
Avantaje
Laplace
LoG
Uor
de
implementat.
Detecteaz
orientarea
muchiilor.
Detecteaz
orientarea
muchiilor.
Au
caracteristici
fixe n toate
direciile.
Localizeaz
corect muchiile.
Testeaz o arie
mai mare n
jurul pixelului.
Dezavantaje
Gausian
Color
Utilizeaz
probabiliti n
gsirea ratelor
de eroare.
RSZ mai bun.
Detecie
mai
bun n special
n condiii de
zgomot.
Precii.
Mai eficieni n
recunoaterea
obiectelor.
Sensibilitate
la
zgomot.
Susceptibilitate la
erori.
Sensibilitate
zgomot.
Dau
erori
la
coluri, curbe, i n
locurile n care
intensitatea
nivelului de gri
variaz.
Nu
furnizeaz
oientarea
muchiilor.
Calcule complexe.
Treceri false prin
zero.
Consum timp.
la
Complicat
de
implementat.
Calcule complexe.