Дослідження методів виділення контурів об’єктів на растрових зображеннях зразків бурштину

Автор(и)

  • Юрій Олександрович Подчашинський Державний університет «Житомирська політехніка», Україна http://orcid.org/0000-0002-8344-6061
  • Андрій Вікторович Рижук Державний університет «Житомирська політехніка», Україна http://orcid.org/0009-0000-4210-0585

DOI:

https://doi.org/10.26642/ten-2024-1(93)-225-232

Ключові слова:

методи виділення контурів об’єктів, система технічного зору, машинний зір

Анотація

У статті розглянуто програмно-алгоритмічні методи виділення контурів об’єктів, що застосовуються в системах технічного зору (СТЗ). Ефективна робота СТЗ вимагає напрацювання методів та алгоритмів обробки растрових зображень об’єктів з урахуванням їх особливостей для прикладної області застосування СТЗ. Наприклад, СТЗ широко застосовуються в промисловості, аграрному секторі, медицині, космонавтиці, автобудуванні тощо. Ефективні методи та алгоритми виявлення об’єктів та їх контурів на растрових зображеннях значно покращують результат роботи СТЗ в прикладних задачах. Також ці методи виключають суб’єктивні чинники, що впливають на прийняття рішень. СТЗ можуть значно краще визначати дрібні часточки, різноманітні вкраплення, тріщини, текстуру на досліджуваній поверхні, використовуючи різноманітні методи та алгоритми виявлення контурів і подальшу обробку отриманих результатів. Завдяки цьому можемо отримати точне представлення про стан і властивості зразків, сировини та майбутніх виробів. Також можна визначити кількість матеріалу, який буде втрачений під час обробки матеріалу зразків, та локалізувати в тривимірному об’ємі різноманітні вкраплення, які можуть вплинути на подальшу якість обробленого виробу. Тому в статті виконано детальний аналіз існуючих методів виявлення контурів на цифрових зображеннях бурштину для його подальшої класифікації та оцінки якості. Визначено найкращі методи серед існуючих, а саме оператори Кенні, Собеля, Лапласа. Застосування цих операторів у СТЗ дає найбільш повну та достовірну інформацію для побудови тривимірної моделі, класифікації та оцінки якості зразків бурштину. За алгоритмічну та програмну основу проведеного дослідження було взято open source computer vision library. В цій бібліотеці наявна більшість основних методів та алгоритмів для визначення контурів об’єктів на зображеннях. 

Посилання

Zhihui, X. (2008), Computer Vision, INTECH, 538 р.

Solem, J.E. (2012), Programming computer vision with Python, OʼReilly, Beijing ; Sebastopol, CA, 300 р.

Biletskyi, V.S., Omelchenko, V.H. and Horvanko, H.D (2016), Mineralohichnyi slovnyk, Skhidnyi vydavnychyi dim, Mariupol, 488 р.

«Diahnostyka ta ekspertyza burshtynu», [Online], available at: https://inconsulting.com.ua/uk/gemologchna-ekspertiza/diahnostyka-ta-ekspertyza-burshtynu.html

«Tekhnolohiia obrobky burshtynu», [Online], available at: https://yantar.ua/ua/blog/tehnologiya-obrabotki-yantarya.html

«Roberts Cross Edge Detector», [Online], available at: https://homepages.inf.ed.ac.uk/rbf/HIPR2/roberts.htm

Sobel, I. and Feldman, G. (1973), «A 3×3 isotropic gradient operator for image processing», [Online], available at: https://www.researchgate.net/publication/285159837_A_33_isotropic_gradient_operator_for_image_processing

«Sobel Edge Detector», [Online], available at: https://homepages.inf.ed.ac.uk/rbf/HIPR2/sobel.htm

Lin Z., «Digital Image Processing in C (Chapter 9): Thresholding, Roberts, Prewitt, Sobel, and Edge Detection», [Online], available at: https://medium.com/@wilson.linzhe/digital-image-processing-in-c-chapter-9-thresholding-roberts-prewitt-sobel-and-edge-e7428405ede3

«Canny Edge Detection», [Online], available at: https://docs.opencv.org/4.x/da/d5c/tutorial_canny_detector.html

Gomede, E. (2023), Exploring the Laplacian Operator: A Key Tool in Computer Vision for Edge Detection and Image Analysis, [Online], available at: https://medium.com/aimonks/exploring-the-laplacian-operator-a-key-tool-in-computer-vision-for-edge-detection-and-image-95ffc7339db6

«How to implement Laplacian Operator Edge Detection in Python» (2023), WisdomML, [Online], available at: https://wisdomml.in/how-to-implement-laplacian-operator-edge-detection-in-python/

Marrand, D. and Hildreth, E. (1980), «Theory of edge detection», [Online], available at: https://www.hms.harvard.edu/bss/neuro/bornlab/qmbc/beta/day4/marr-hildreth-edge-prsl1980.pdf

Mirzataraj, S. (2018), «Implementation of Gaussian based Marr-Hildreth edge detection algorithm on reconfigurable hardware», [Online], available at: https://scholarworks.calstate.edu/concern/theses/z603r171r

Список використаної літератури:

Zhihui X. Computer Vision / X.Zhihui. – INTECH, 2008. – 538 с.

Solem J.E. Programming computer vision with Python / J.E. Solem. – Beijing ; Sebastopol, CA : OʼReilly, 2012. – 300 р.

Білецький В.С. Мінералогічний словник / В.С. Білецький, В.Г. Омельченко, Г.Д. Горванко. – Маріуполь : Східний видавничий дім, 2016. – 488 с.

Діагностика та експертиза бурштину [Електронний ресурс]. – Режим доступу : https://inconsulting.com.ua/uk/gemologchna-ekspertiza/diahnostyka-ta-ekspertyza-burshtynu.html.

Технологія обробки бурштину [Електронний ресурс]. – Режим доступу : https://yantar.ua/ua/blog/tehnologiya-obrabotki-yantarya.html.

Roberts Cross Edge Detector [Electronic resourse]. – Access mode : https://homepages.inf.ed.ac.uk/rbf/HIPR2/roberts.htm.

Sobel I. A 3×3 isotropic gradient operator for image processing / I.Sobel, G.Feldman [Electronic resourse]. – Access mode : https://www.researchgate.net/publication/285159837_A_33_isotropic_gradient_operator_for_image_processing.

Sobel Edge Detector [Electronic resourse]. – Access mode : https://homepages.inf.ed.ac.uk/rbf/HIPR2/sobel.htm.

Lin Z. Digital Image Processing in C (Chapter 9): Thresholding, Roberts, Prewitt, Sobel, and Edge Detection / Z.Lin [Electronic resourse]. – Access mode : https://medium.com/@wilson.linzhe/digital-image-processing-in-c-chapter-9-thresholding-roberts-prewitt-sobel-and-edge-e7428405ede3.

Canny Edge Detection [Electronic resourse]. – Access mode : https://docs.opencv.org/4.x/da/d5c/tutorial_canny_detector.html.

Gomede E. Exploring the Laplacian Operator: A Key Tool in Computer Vision for Edge Detection and Image Analysis / E.Gomede. – 2023 [Electronic resourse]. – Access mode : https://medium.com/aimonks/exploring-the-laplacian-operator-a-key-tool-in-computer-vision-for-edge-detection-and-image-95ffc7339db6.

How to implement Laplacian Operator Edge Detection in Python / WisdomML. – 2023 [Electronic resourse]. – Access mode : https://wisdomml.in/how-to-implement-laplacian-operator-edge-detection-in-python/.

Marrand D. Theory of edge detection / D.Marrand, E.Hildreth [Electronic resourse]. – Access mode : https://www.hms.harvard.edu/bss/neuro/bornlab/qmbc/beta/day4/marr-hildreth-edge-prsl1980.pdf.

Mirzataraj S. Implementation of Gaussian based Marr-Hildreth edge detection algorithm on reconfigurable hardware / S.Mirzataraj. – 2018 [Electronic resourse]. – Access mode : https://scholarworks.calstate.edu/concern/theses/z603r171r.

##submission.downloads##

Опубліковано

2024-07-17

Як цитувати

Подчашинський, Ю. О., & Рижук, . А. В. (2024). Дослідження методів виділення контурів об’єктів на растрових зображеннях зразків бурштину. Технічна інженерія, (1(93), 225–232. https://doi.org/10.26642/ten-2024-1(93)-225-232

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ