DETECȚIA

DETECȚIAMARGINILOR
MARGINILOR
ABRUDEAN SERGIU
BARCAU EMANUEL
DANCIU CARMEN
CLUJ-NAPOCA FLORIAN ANDREI
2019 ZABICA ANDRIANA
 1. Introducere
Una dintre cele mai folosite operaţii în domeniul analizei imaginilor şi
în acelaşi timp una dintre problemele fundamentale în acest domeniu este
detecţia de contur (marginilor).
 Detecția marginilor include o varietate de metode matematice care
vizează identificarea punctelor într-o imagine digitală la care luminozitatea
imaginii se schimbă brusc sau, mai formal, are discontinuități.
 Detecția marginilor este un instrument fundamental în procesarea
imaginilor, viziunea mașinilor și viziunea asupra computerului, în special
în ceea ce privește detectarea caracteristicilor și extragerea caracteristicilor.
 2. Generalități
Detecţia muchiilor este o problemă fundamentală în prelucrarea imaginilor,
deoarece permite extragerea informaţiei de bază dintr-o imagine, necesară mai departe în
analiza şi înţelegerea computerizată a acesteia.
Clasificarea detectorilor de contur poate deveni problematică, însă simplifică mult
procesarea de imagini în vederea artificială, prin asocierea a diferitor reguli de procesare
pentru fiecare tip de muchie.

muchie tip acoperiș muchie tip acoperiș

muchie ascuțită muchie fină convex concav
CLASIFICAREA DETECTORILOR

Detectori care folosesc Detectori laplacieni Zero

operatori de gradient (derivata Crossing (care folosesc
de ordin întâi) derivata de ordinul doi)

Laplacianul Gaussianului Detectori Gaussieni

Detectori color
 AVANTAJELE ȘI DEZAVANTAJELE OPERATORILOR
Operator Avantaje Dezavantaje
 Uşor de implementat.  Sensibilitate la zgomot.
Gradient  Detectează orientarea muchiilor.  Susceptibilitate la erori.
 Detectează orientarea muchiilor.  Sensibilitate la zgomot.
Laplace  Au caracteristici fixe în toate direcţiile.
 Localizează corect muchiile.  Dau erori la colţuri, curbe, şi în locurile în
LoG  Testează o arie mai mare în jurul pixelului. care intensitatea nivelului de gri variază.
 Nu furnizează orientarea muchiilor
 Utilizează probabilităţi în găsirea ratelor  Calcule complexe.
Gaussian de eroare.  Treceri false prin zero.
 Detecţie mai bună în special în condiţii de  Consumă timp.
zgomot.
 Precişi.  Complicat de implementat.
Color  Mai eficienţi în recunoaşterea obiectelor.  Calcule complexe.
 3. Motivații
Scopul detectării unor modificări clare în
luminozitatea imaginii este de a capta evenimente
importante și modificări ale proprietăților luminii .
Se poate demonstra că în ipotezele destul de
generale pentru un model de formare a imaginii,
discontinuitățile în luminozitatea imaginii pot
corespunde:
discontinuități în pronfuzime
discontinuități în orientarea suprafeței
modificări ale proprietăților materialului
variații în iluminarea schemei
Aplicarea unui algoritm de
detectare a marginilor unei imagini
poate reduce în mod semnificativ
cantitatea de date care trebuie
prelucrate și, prin urmare, poate
filtra informațiile care pot fi
considerate mai puțin relevante,
păstrând în același timp proprietățile
structurale importante ale unei
imagini.
 4. Proprietățile marginilor
Marginile extrase dintr-o imagine bidimensională a unei scene
tridimensionale pot fi clasificate fie ca punct de vedere dependent, fie
independent de punct de vedere.
 O margine independentă de vedere reflectă în mod tipic proprietățile
inerente ale obiectelor tridimensionale, cum ar fi marcajele de suprafață și
forma suprafeței.
 O margine dependentă de vedere se poate schimba pe măsură ce punctul
de vedere se schimbă și de obicei reflectă geometria scenei, cum ar fi
obiectele care se închid unul pe altul.
 5. Un model de margine simplu
Marginile muchiilor sunt, în mod normal, afectate de unul sau mai multe dintre
următoarele efecte: încețoșare focală cauzată de o profunzime de
câmp finită și funcția de răspândire a punctului
finit
încețoșare prenumbrală cauzată de umbre create
de surse de lumină de rază non-zero

umbrire la un obiect neted

Un număr de cercetători au folosit o margine de trecere netedă Gaussian, o funcție

de eroare ca fiind cea mai simplă extensie a modelului de margine ideal pentru modelarea
efectelor neclarității marginilor în aplicații practice. Astfel, o imagine unidimensională f
care are exact o margine plasată la x=0 pot fi modelate ca:
 6. Abordări
Există multe metode de detectare a marginilor, însă majoritatea acestora pot fi
grupate în două categorii:
 Metodele bazate pe căutare - detectează marginile prin calcularea mai întâi a
unei valori a rezistenței marginilor, de obicei o expresie derivată de ordinul întâi, cum
ar fi magnitudinea de gradient, și apoi căutarea maximelor direcționale locale ale
mărimii gradientului folosind o estimare calculată a orientării locale a marginea, de
obicei direcția de gradient.
 Metodele bazate pe traseul zero - caută traversări zero într-o expresie derivată
de ordinul doi calculată din imagine pentru a găsi muchii, de obicei, traversările zero
ale Laplacianului sau traversarea zero a unei expresii diferențiale neliniare.
 7. Îndepărtarea marginilor
Îndepărtarea marginilor este o tehnică folosită pentru a elimina punctele nedorite pe
margini dintr-o imagine. Această tehnică este utilizată după ce imaginea a fost filtrată
pentru zgomot utilizând filtrul median, Gaussian etc.
Avantaje: marginile ascuțite și subțiri conduc la o mai mare eficiență în
recunoașterea obiectelor;

dacă transformările Hough sunt folosite pentru detectarea

liniilor și elipselor, subțierea ar putea da rezultate mult mai
bune;

dacă se întâmplă ca marginea să fie să fie limitată unei regiuni,

atunci subțierea ar putea da cu ușurință parametrii imaginii
fără prea multă algebră.
8. Aspecte privind aplicația informatică

Figura 1. Forma de start a aplicatiei informatice

Poza în original
Efectul Gaussian Blur
Efectul Luma Black and White
Efectul Sobel Color Wheel Orientation
Efectul Sobel Edge Detection
Efectul Canny Edge Detection
 9. Concluzii

În urma realizării proiectului de față, metodele implementate de noi s-

au dovedit a fi eficiente în reducerea complexității analizării datelor de către
algoritmi de procesare și clasificare a imaginilor.
Aplicația respectivă facilitează procesul de antrenare în domeniul
inteligenței articiale, spre exemplu a rețelelor neuronale convoluționale.
 Bibliografie
 https://www.ro.w3ki.com/java_dip/edge_detection.html
 https://en.wikipedia.org/wiki/Edge_detection
 https://en.wikipedia.org/wiki/Canny_edge_detector
 https://ru.scribd.com/document/412591678/Detectarea-marginilor
 http://users.utcluj.ro/~igiosan/Resources/PI/L11/PI-L11r.pdf
 https://inskeye.files.wordpress.com/2013/07/tehnici-de-detectie-contur.pdf