1 / 13

Marek Doru šinec Číslicové spracovanie obrazu

Automatická detekcia hrán použitým ideálnych bodových máp 3x3 a fuzzy metóda určovania prahových hodnôt pre detekciu hrán. Marek Doru šinec Číslicové spracovanie obrazu. Metódy založené na gradiente. Široko používané metódy Problém: nutnosť použiť filtre pred samotnou detekciou

edythe
Download Presentation

Marek Doru šinec Číslicové spracovanie obrazu

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Automatická detekcia hrán použitým ideálnych bodových máp 3x3 a fuzzy metóda určovania prahových hodnôt pre detekciu hrán Marek Dorušinec Číslicové spracovanie obrazu

  2. Metódy založené na gradiente • Široko používané metódy Problém: • nutnosť použiť filtre pred samotnou detekciou • detegovanie falošných hrán • zmiznutie niektorých hrán • nutnosť manuálneho zásahu pri detekcii • nevhodné pre automatické spracovanie

  3. Nová metóda založená na bodových mapách Gray Level Similitude Code – GLSC – 256 rôznych (49 skupín) LUT – kontrolná tabuľka

  4. Nová metóda založená na bodových mapách Určíme podľa LTU smer hrany – 4 bitový kód LTU – obsahuje ku každej hodnote GLSC smer + ESF

  5. Nová metóda založená na bodových mapách ESF – faktor tvaru hrany Určíme ju testovaním pre každú hodnotu GLSC predstavuje pravdepodobnosť že bod je súčasťou hrany ESF = Nh(k) / N(k) – väčšie ako 10 % len pre 5 ideálnych GLSC

  6. Nová metóda založená na bodových mapách Výsledná intenzita hrany je daná ako súčin intenzity hrany pre dané GLSC a jemu prislúchajúcemu ESF Rozdiel novej metódy a Cannyho metódy

  7. Definovanie prahových hodnôt pre určenie hrán založené na Fuzzy metóde Rozdelenie bodov obrazu podľa histogramu

  8. Definovanie prahových hodnôt pre určenie hrán založené na Fuzzy metóde Zvolenie zástupcov skupín v okolí lokálnych extrémov Charakteristika skupiny: Mód, priemer prahových hodnôt pre hrany, počet bodov Vytvorenie tabuľky pravidiel 3 vstupné 2 vystupé hodnoty S, M, L

  9. Definovanie prahových hodnôt pre určenie hrán založené na Fuzzy metóde Grafy hodnôt vstupných a výstupných funkcií vzhľadom na hodnoty S, M, L Ak je počet skupín väčší ako 2 volíme Out 1, inak Out 2

  10. Definovanie prahových hodnôt pre určenie hrán založené na Fuzzy metóde Vzorec pre výpočet prahovej hodnoty pre voľbu hranice mode[k] zistíme z grafu a β(k) predstavuje výstup z fuzzy procesu pre skupinu k. Prahová hodnota pre určenie hranice bude vyššia ako prevažné hodnoty zmeny intenzity v rámci skupiny

  11. Porovnanie metódy

  12. Porovnanie metódy • lepšie výsledky ako iné metódy • je plne automatická • nie je potrebné voliť manuálne prahové hodnoty pre stanovenie hrany • nenáročná na výpočtový výkon • dokáže sa adaptovať aj na zmeny jasu a osvetlenia • negeneruje ani veľké množstvo falošných hrán, a hrany bývajú ostré a tenké

  13. Ďakujem za pozornosť Marek Dorušinec Číslicové spracovanie obrazu

More Related