Откриване на ръбове, линии и ъгли в изображения


Категория на документа: Други


а в дясно от ръба:

Скаларният параметър се нарича замъглен мащаб на ръба.

4. Трудности в търсенето на начални точки.

За да илюстрираме защо откриването на ръбове не е лесна задача, нека да обмислим как ще открием ръбовете във следният едноизмерен сигнал:

Тук лесно бихме определили, че ръбът се намира между 4-тия и 5-тия пиксел.
Но ако разликата в интензитета между 4-тия и 5-тия пиксел е по-малка а между съседните им, по-голяма:

Не би било толкова лесно да се определи къде е границата на ръба, дори може да се каже, че тук имаме ръбове на няколко места. Затова да бъде определен праг на колко точно трябва да е разликата в интензитета на дедени пиксели за да бъдат считани за ръбове не винаги е лесно.

5. Подходи.
Има много методи за откриване на ръбове, но повечето от тях могат да бъдат групирани в две категорий: базирани на търсене и на пресичане на нулата(zero-crossing).

Базираните на търсене методи, засичат ръбовете като първо избират мярка за сила на ръба, обикновенно производна от първи ред като величината градиент и после търсят локални максимуни в градиента, използвайки компютърна оценка на местната ориентацията на ръба , обикновено градиент посоката.

Zero-crossing базираните методи търсят за пресичане на нула във производни от втори ред, които са компютирани от изображението за да намерят ръбове.
Като предварителна стъпка на откриването на ръбове се прилага почти винаги Гаусово изглаждане. Методите който са публикуване главно се различават по видовете на филтри за изглаждане които се прилагат и начини по-които мерките на силата на ръба се компютират. Тъй като много методи за откриване на ръбове разчитат на изчисляването на градиенти в изображения те се различават по вида на филтрите използвани за компютирането на градиенти в X- и Y- посоките.

6. Метод на Canny.
John Canny обмисля математичкият проблем за намирането на оптимален филтър за изглаждане като се имат в предвид критериите за: откриване, локализация и свеждане до минимум няколко отговора на един ръб. Той показва, че оптималният филтър за тези изисквания е сума от четири показателни функции. Той също показва, че тези филтри могат да се изчислят, чрез производни от първи ред на Гаус. Canny също въвежда терминът: "Не-максимално потискане", което означава: изображението бива сканирано по посока на градиента, и ако пикселите не са част от локалният максимум им бива дадена стойност 0, така се потиска информацията в изображението която не е част от ръба.
Въпреки, че работата му е била направена в ранните дни на компютърното зрение Canny детектора на ръбове заедно с неговите вариации е широко използван и е трудно да се намери друг детектор който да се справя доста по-добре със задачата.
Разликата между метода на Canny и останалите е, че тои използва две различни прагови стойности за откриване на силни и слаби ръбове.
Така има по-малка вероятност да бъде заблуден със шум и по-голям шанс да открие истински слабо изразени ръбове.
Следващият пример илюстрира силата на Canny методът като го сравнява със метода на Sobel за даденото изображение чрез edge функцията.

Прочитаме изображението, прилагаме двата филтъра и показваме резултатът.

I = imread('D:cell.gif');
imshow(I)

BW1 = edge(I,'sobel');
BW2 = edge(I,'canny');
imshow(BW1)
figure, imshow(BW2)

Началното изображение е следното:

Първо прилагаме Sobel филтърът. След това Canny филтърът.

От сравнение на резултатите виждаме че, Canny филтърът открива ръбове дори и при голяма разлика в контраста като също биват отчитани и повече детайли във вътрешността на ръбовете.

7. Други методи от първи ред.

Различни оператори за градиент могат да бъдат приложени за да се изчисли приблизително градиента на входното изображение или на негова по гладка версия. Най-лесният подход е да се използват централни разлика:

съответстваща на прилагането на следните филтърни маски с данните на изображението: оператор

Добре известния Sobel оператор е базиран на следните филтри:



Сподели линка с приятел:





Яндекс.Метрика
Откриване на ръбове, линии и ъгли в изображения 9 out of 10 based on 2 ratings. 2 user reviews.