CUDA Programming Applications

روشهای کلاسیک لبه یابی

فرآیند تشخیص لبه یکی از مهمترین تکنیکهای کارآمد و مفید در پردازش تصویر به ویژه در جداسازی و شناسایی چارچوب اصلی تصویر می باشد، شیوه های متفاوتی در آشکارسازی لبه در یک تصویر وجود دارد که اغلب با مشکلاتی نظیر از میان رفتن داده های تصویر اصلی و عدم توانایی در لبه یابی در زوایای مختلف مواجه هستند. هدف از تشخیص لبه، مکان یابی مرزهای شی در تصویر است که پایه و اساس تجزیه و تحلیل تصویر و بینایی ماشین محسوب می شود، با توجه به اهمیت تشخیص لبه ها، تاکنون الگوریتم های زیادی جهت استخراج لبه ها پیشنهاد شده است، معمولا هر یک از این روش ها تنها بخشی از لبه ها را آشکار ساخته و به این ترتیب برخی از لبه  های واقعی توسط الگوریتم تشخیص داده نمی شوند. همچنین این امکان نیز وجود دارد که برخی نقاط به اشتباه به عنوان لبه دسته بندی شوند.
تعریف لبه:
نقاطی از تصویر که دارای تغییر شدت روشنایی ناگهانی هستند لبه نام دارند، نقاط لبه معمولا مرزها را شامل می شوند.
روشهای لبه یابی:
1- Sobel:
با کانوالو کردن دو ماتریس Gx و Gy که در زیر آمده است در تصویر اصلی لبه های عمودی و افقی تصویر آشکار می گردد سپس با استفاده از رابطه اندازه تمامی لبه ها نمایان می شود.

رابطه اندازه
که نتیجه در شکل زیر قابل مشاهده است.


2-Prewitt:

با کانوالو کردن دو ماتریس GxوGy در تصویر اصلی لبه های عمودی و افقی آشکار شده ،سپس با استفاده از رابطه اندازه که قبلا به ان اشاره نمودیم تمامی لبه ها قابل نمایش است

که نتیجه در شکل زیر قابل نمایش است.
3-Laplacian:
 با کانوالو ماسک زیر در تصویر تمامی لبه های افقی و عمودی نمایان می شود.
که نتیجه در شکل زیر قابل مشاهده است.


4-Roberts:
با کانوالو کردن دو ماتریس GxوGy در تصویر اصلی لبه های عمودی و افقی آشکارمی شوند.

که نتیجه در شکل زیر قابل مشاهده است

نظرات (0)
امکان ثبت نظر جدید برای این مطلب وجود ندارد.