(Пошаговое руководство по классификации изображений по нескольким классам, часть 3)

Итак, в предыдущем рассказе о трансферном обучении (Трансферное обучение) перед тем, как продолжить, нужно было закрыть недостающую часть, а именно обнаружение ребер. Итак, что такое ребра.

Таким образом, в основном края - это внезапные изменения неоднородностей в изображении. Значительные переходы в изображении называются краями. Обнаружение краев - это первая фаза распознавания изображения. Край полезен, потому что он отмечает границы и отделяет плоскость, объект или внешний вид от других мест. Край состоит из пикселей с вариациями интенсивности серых тонов, которые отличаются от соседних пикселей. Информация о форме изображения заключена в края. . Итак, в качестве первого шага в распознавании изображений мы пытаемся найти края изображения.

Типы кромок

  • Горизонтальные края
  • Вертикальные края
  • Диагональные края

Существует два подхода к обнаружению краев: один основан на градиенте, а второй - на основе лапласиана.

На основе градиента используется производная первого порядка изображения. Производные первого порядка очень чувствительны к шуму и дают толстые края.

Производные первого порядка

1. Фильтрация Робертса: диагональные градиенты края, чувствительные к колебаниям. Не дает информации об ориентации краев и лучше всего работает с двоичными изображениями.
2. Фильтр Prewitt: оператор Prewitt - это оператор дискретного дифференцирования, который работает аналогично оператору Sobel, вычисляя градиент для функции интенсивности изображения. Использует максимальный направленный градиент. По сравнению с Sobel маски Prewitt проще в применении, но они очень чувствительны к шуму.
3. Фильтр Собеля: обнаруживает края, где величина градиента велика. Это делает датчик края Собеля более чувствительным к диагональному краю, чем к горизонтальным и вертикальным краям.
Методы Собела и Превитта очень эффективно обеспечивают хорошие карты границ.
4. Метод Фрея-Чена: Фрей и Чен адаптировали модель Собеля и предложили пару изотропных операторов, которая делает K = SQRT (2) . Это делает градиент для горизонтальных, вертикальных и диагональных краев одинаковым в центре края. Оператор изотропного сглаженного взвешивания, предложенный Фреем и Ченом, может легко улавливать тонкие детали кромок и создавать более тонкие линии кромок, но он также увеличивает вероятность ошибочного определения шума как реальных точек кромки.
5. Ядро компаса Кирша: это нелинейный детектор края, который определяет максимальную прочность края в нескольких заранее определенных направлениях. Для сегментации маммографических изображений были предложены краевые операторы Кирша.
6. Фильтрация компаса Робинсона: аналогична маскам Кирша, с коэффициентами маски 0, 1 и 2.
Методы Кирша и Робинсона требуют большего время для расчетов, и их результаты не лучше, чем результаты, полученные методами Собела и Превитта.
7. Неватия / Бабу: обнаруживает края с разным шагом

В изображениях лапласовского метода с использованием производных второго порядка, которые идентифицируют значительные пространственные изменения, обнаруживается край. Операторы производных 2-го порядка представляют собой более сложные методы автоматического обнаружения границ, однако они все еще очень чувствительны к шуму.

Так что это на грани обнаружения. Спасибо