Методы определения контуров изображения
Анализ методов определения контуров изображений, их оптимальная последовательность для улучшения качества выделения границ. Преимущества пространственной фильтрации. Выделение границ, понижение интенсивности фона изображения с помощью метода Собела.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 06.05.2018 |
| Размер файла | 333,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Донецкий национальный технический университет
Методы определения контуров изображения
студент Бондаренко А.Ю.
кандидат технических наук Адамов В.Г.
Аннотация
В работе проанализированы методы определения контуров изображений. Выбрана их оптимальная последовательность для улучшения качества выделения границ. Также проведен анализ этих методов и выбран наиболее подходящий из них.
Ключевые слова: контур изображения, анализ методов, скользящая маска
Abstract
The article considers methods of determining the contours of the images and optimal sequence to improve border selection. Also, the analysis of these methods was done and the most appropriate one was chosen.
Keywords: contour of image, analysis methods, the moving mask.
Постановка задачи. В мире компьютерной обработки изображений появляется все больше методов и технологий для поиска границ объекта и отделение его от основного фона. Но самыми известными и часто использующимися по сей день являются методы Робертса, Прюитта и Собеля.
Выше перечисленные методы базируются на преобразовании изображения с помощью скользящей маски. Эта маска соответствует определенной группе пикселей данного изображения. Для анализа существующих методов поиска границ изображений в работе предоставлено подробное описание каждого из них и в конце отобран наиболее эффективный метод.
Методы определения контуров изображения. Рассмотрим наиболее популярные алгоритмы и методы нахождения границ изображений. Каждый из методов базируется на процессе пространственной фильтрации. Пространственная фильтрация основана на передвижении маски фильтра от первого пикселя к последнему пикселю изображения по порядку. Каждый пиксель с координатами (x, y) рассчитывается как сумма произведений значения пикселей под маской фильтра на соответствующие им коэффициенты фильтра. Если на изображении наблюдаются резкие перепады яркости, то прибегают к производным первого и второго порядка. Для того, что бы определить первую производную одномерной функции f(x) необходимо рассчитать разность значений соседних элементов изображения:
Частная производная применяется для того, чтобы сохранить те же ассигнации для переменных f(x, y), если необходимо работать по двум осям координат с частными производными.
Вторая же производная вычисляется здесь как разность между соседними значениями первой производной:
В работе [4] вычисление первой производной изображения основано на дискретных приближениях двумерного градиента. По определению, градиент изображения f(x, y) в пикселе (x, y) -- это вектор:
Общеизвестно, что траектория вектора градиента совпадает с траекторией максимальной скорости перемены функции f в пикселе (x, y). Модуль этого вектора имеет главную роль при определении контуров на изображении. Он обозначается символом ? f и приравнивается:
Во всех методах определения границ объекта используется матрица пикселей размером 3х3: . Самый легкий способ определения первых частных производных в точке Z5 заключается в использовании перекрестного градиентного оператора Робертса:
контур изображение интенсивность фон
Значения Gx и Gy могут быть получены посредством преобразования целого изображения при помощи одной из скользящих масок оператора Робертса: .
Анализируя работу [4], можно заметить, что оператор Прюитта, так же как и оператор Робертса, работает со скользящей маской размерностью 3х3 пикселя. В отличии от оператора Робертса в операторе Прюитта матрицы задаются другими формулами:
Что бы применить эти формулы для выделения краев на изображении, используется оператор Прюитта. Данный оператор задается следующими масками размерностью 3х3:
Точно так же использует матрицу размерностью 3х3 и оператор Собеля. Главным его отличием от оператора Прюитта заключается в применении весового коэффициента 2 для центровых пикселей:
Это искусственное увеличение используется для убавления эффекта смягчения на результирующем изображении. Маски, применяемые в методе Собеля размерностью 3х3:
Как было описано выше, при помощи матриц можно рассчитать составляющие величины градиента Gx и Gy. Что бы определить само значение градиента этими составляющими нужно оперировать одновременно:
Практическое применение алгоритмов. Итак, мы рассмотрели все три метода. Для того что бы проверить как каждый из этих методов работает на практике, мною была написана простая программа с имплиментацией алгоритмов рассмотренных выше. Главное окно программы содержит кнопки отвечающие за фильтрацю изображения методами Собела, Робертса ии Превитта, а так же кнопку сброса текущих параметров и приведения изображения в исходный вид. Кроме того, в программе существует возможность регулировки яркости и контраста при помощи двух отдельных ползунков.
Рис. 2. Результаты работы программы а) Внешний вид программы и исходное изображение, б) Выделение краев методом Собеля, в) выделение краев методом Робертса г) выделение краев методом Прюитта
Заключение
Просмотрев результаты работы трех алгоритмов на практике, можно заключить, что при использовании медицинского изображения самым качественным методом оказался метод поиска границ Собела. Поскольку именно этот метод позволил ярко выделилить границы, понизить интенсивность фона избражения и качественно обозначить все элементы изображения. Метод Робертса тоже показал не плохие результаты, однако при его использовании можно заметить безвозвратную потрею даннях с исходного изображения. Метод Превитта в этом случае оказался слабейшим и не качественным.
Учитывая все высшесказанное, в дальнейшей работе с медицинским изображением мезга человека, самым эффективным решением будет использование метода Собела для поиска границ объектов.
Литература
1. Lasty P., Sebastiani F. Determining the Semantic Orientation of Terms through Gloss Classification // Conference of Information and Knowledge Management (Bremen). ACM, New York, 2005, pp. 617-624.
2. Карамазина М.Н., Давыдов С.,Методы обработки изображений. РОМИП 2011.
3. Пуховой Р.И. Программа анализа поиска границ объектов // Дипломная работа, М. 2013, 9 - 17.
Размещено на Allbest.ru
...Подобные документы
Обзор существующего программного обеспечения для автоматизации выделения границ на изображении. Разработка математической модели обработки изображений и выделения контуров в оттенках серого и программного обеспечения для алгоритмов обработки изображений.
дипломная работа [1,7 M], добавлен 27.03.2013Разработка приложения, целью которого ставится преобразование черно-белых полутоновых изображений в цветные. Обзор методики обработки изображения, способов преобразования изображения с помощью нейронной сети. Описания кластеризации цветового пространства.
дипломная работа [6,3 M], добавлен 17.06.2012Обнаружение деталей и их границ изображения. Применение ранговых алгоритмов. Использование алгоритмов адаптивного квантования мод в режиме пофрагментной обработки. Обобщенная линейная фильтрация изображений. Восстановление отсутствующих участков.
курсовая работа [1,8 M], добавлен 17.06.2013Анализ существующих методов масштабирования изображений. Повышение скорости обработки и изменения картинок. Алгоритм масштабирования с использованием параллелизма. Отбор пикселей для правильного расчета градиента. Выбор метода интерполяции изображения.
курсовая работа [5,8 M], добавлен 17.06.2017Элементы управления программы Adobe Photoshop, выделение областей и использование контуров, рисование и редактирование. Размер изображения и его графическое разрешение, их изменение. Фильтры, встроенные в программу, их виды. Добавление слоев в документ.
контрольная работа [418,9 K], добавлен 23.04.2013Задачи цифровой обработки изображений. Методы пороговой сегментации. Создание программы представления рисунка в виде матрицы и применения к нему пороговой обработки. Разработка интерфейса программы загрузки и фильтрации изображения с выбранным порогом.
курсовая работа [2,0 M], добавлен 12.11.2012Преимущества векторных изображений. Описание работы с программой создания графических изображений - Illustrator. Метод создания кривых с помощью четырех точек для криволинейного сегмента. Создание контуров с помощь инструмента "Перо". Работа с масками.
контрольная работа [575,8 K], добавлен 11.09.2010Разработка программы, предназначенной для сжатия или компрессии полутонового изображения международным стандартом JPEG. Описание метода JPEG, выдача результатов в виде декодированного изображения. Обзор методов компрессии полутонового изображения.
курсовая работа [43,5 K], добавлен 14.10.2012Изучение и программная реализация в среде Matlab методов обработки, анализа, фильтрации, сегментации и улучшения качества рентгеновских медицинских изображений. Цифровые рентгенографические системы. Разработка статически обоснованных алгоритмов.
курсовая работа [4,7 M], добавлен 20.01.2016Загрузка интерфейса изображением формата хранения растровых изображений BMP. Программа осуществления отражения изображения по вертикали и горизонтали. Применение к изображению черно-белого, сглаживающего, подчеркивания границ и медианного фильтров.
лабораторная работа [713,6 K], добавлен 26.04.2015Описание метода обработки "Выделение контурных линий" и особенностей его применения и программной реализации. Способы увеличения контрастности. Значение правильного подбора формы гистограммы для качества компьютерной обработки растрового изображения.
курсовая работа [940,2 K], добавлен 24.06.2013Яркость точек и гистограммы изображения. Изменение яркости и контрастности. Метод ранговой фильтрации с оценкой середины диапазона. Наложение шумов на изображение. Преобразование изображения в негатив. Получение матрицы яркостей и построение гистограмм.
курсовая работа [1,5 M], добавлен 11.12.2012Особенности метода ветвей и границ как одного из распространенных методов решения целочисленных задач. Декомпозиция задачи линейного программирования в алгоритме метода ветвей и границ. Графический, симплекс-метод решения задач линейного программирования.
курсовая работа [4,0 M], добавлен 05.03.2012Сущность и особенности выполнения метода динамического программирования. Решение математической задачи, принцип оптимальности по затратам, ручной счёт и листинг программы. Применение метода ветвей и границ, его основные преимущества и недостатки.
курсовая работа [38,9 K], добавлен 15.11.2009Цифровые рентгенографические системы. Методы автоматического анализа изображений в среде MatLab. Анализ рентгеновского изображения. Фильтрация, сегментация, улучшение изображений. Аппаратурные возможности предварительной нормализации изображений.
курсовая работа [890,9 K], добавлен 07.12.2013Элементы и принципы графического дизайна в художественном образовании. Разработка графических изображений средствами Adobe Photoshop. Обработка изображения с помощью Photoshop. Подготовка изображения с прозрачным фоном. Плавное слияние двух изображений.
курсовая работа [2,5 M], добавлен 27.11.2012Методы обработки изображений. Представление изображения в форматах RGB и HSB. Экономическая эффективность разработки и внедрения программного обеспечения подсистем обработки и выделения текстильных волокон. Защита оператора ЭВМ от вредных факторов.
дипломная работа [287,2 K], добавлен 19.06.2010Компьютерная графика. Пиксели, разрешение, размер изображения. Типы изображений. Черно-белые штриховые и полутоновые изображения. Индексированные цвета. Полноцветные изображения. Форматы файлов. Цвет и его модели. Цветовые модели: RGB, CMYK, HSB.
реферат [18,1 K], добавлен 20.02.2009Выбор методов обработки и сегментации изображений. Математические основы примененных фильтров. Гистограмма яркости изображения. Программная реализация комплексного метода обработки изображений. Тестирование разработанного программного обеспечения.
курсовая работа [1,3 M], добавлен 18.01.2017Типы изображений (черно-белые, полутоновые, цветные) и их форматы. Устройства, создающие цифровые изображения, и их параметры. Применение и характеристики методов сжатия изображений. Поиск по содержимому в базах данных изображений. Структуры баз данных.
презентация [360,4 K], добавлен 11.10.2013
