Analiza dopasowania modelu do obiektu po etapie segmentacji obrazu wykorzystującego działy wodne ( ang. Watershed) przy rozpoznawaniu barw obrazów

• Autorzy: Iljaszewicz P.

Warianty tytułu

EN

Analysis of the pattern matching to the object after the Watershed image segmentation for image color recognition

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono segmentację obrazu bazująca na wykorzystaniu algorytmu działów wodnych (ang. Watershed algorithm), które zdobywa w ostatnich latach coraz szersze uznanie, jako skuteczna metoda detekcji obiektów. Wykorzystujemy fakt, iż poszukiwany obiekt powinien wykazywać podobieństwo geometryczne dotyczące kształtu, rozmiaru i położenia. Następnie połączenie tych cech z pobranym obrazem przetwarzanym na bieżąco pozwoli na zwrócenie współrzędnych prostokąta, który otoczy największy obiekt o wybranym kolorze. Celem proponowanego algorytmu będzie umożliwienie dokładnego dopasowania zadanego modelu do poszukiwanego obiektu, co w konsekwencji pozwoli na skuteczną detekcję na wszystkich obrazach z danej serii tematycznej. Omówiono również model wokselowy obiektu. Badania oparto na bibliotekach OpenCV.

EN

The article deals with the segmentation and recognition of the image based on the use of Watershed algorithm Watershed algorithm has gained ever greater recognition as an effective method of detecting objects in recent years. We use the fact that the object sought should show the geometric similarity of the shape, Size and position. Then combining these features with the downloaded image to be processed will allow you to return the coordinates of the rectangle, which will the largest object of the selected color. The purpose of the proposed algorithm will be to allow an exact match of the specified model to the object you are looking for, which will result in effective detection of all images from the given series. Also discusses the voxel object model. The study was based on OpenCV libraries.

Słowa kluczowe

PL

OpenCV; analiza obrazu; dział wodny; thermography; dron; RGB; HSV; model wokselowy; obiekt

EN

OpenCV; image analysis; watershed; thermovision; drone; RGB; HSV; Voxel OpenCV model

• Wydawca: Wydawnictwo Akademii Techniczno-Informatycznej w Naukach Stosowanych
• Czasopismo: Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka
• Rocznik: 2017
• Tom: vol. 7, nr 2
• Strony: 5--12
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Iljaszewicz P.

• Instytut Techniki Cieplnej Politechniki Śląskiej, ul. Konarskiego 22 44-100 Gliwice

Bibliografia

• [1]. Pulli, Kari; Baksheev, Anatoly; Kornyakov, Kirill; Eruhimov, Victor (1 April 2012). "Realtime Computer Vision with OpenCV". Queue. pp. 40:40–40:56. doi:10.1145/2181796.2206309 CHENG, H. D. et al. Color image segmentation: advances and prospects. Pattern Recognition, v. 34, p. 2259-228, 2001.
• [2]. Kaufman, A. and Shimony, E., '3D Scan-Conversion Algorithms for Voxel-Based Graphics', Proc. ACM Workshop on Interactive 3D Graphics, Chapel Hill, NC, October 1986, 45-76.
• [3]. FR patent 841335, Valensi, Georges, "Procédé de télévision en couleurs", published 1939-05-17, issued 1939-02-06
• [4].THEODORIDIS, S.; K, K. Pattern Recognition.[S.l.]: Elsevier Inc, 2009.
• [5]. PAL, N. R.; PAL, S. A review on image segmentation techniques. Pattern Recognition, v. 26, p. 1277-1294, 1993.
• [6]. C. Rother, V. Kolmogorov, and A. Blake.“GrabCut”—Interactive foreground extraction using iterated graph cuts.In SIGGRAPH, pages 309–314, 2004.
• [7]. A. K. Sinop and L. Grady. A seeded image segmentation framework unifying graph cuts and random walker which yields a new algorithm. In ICCV, 2007 Strony internetowe:
• [8]. https://docs.opencv.org/3.3.1/d8/da9/watershed_8cpp--example.html.
• [9]. https://github.com/clickteam-plugin/OpenCV/blob/master/Extension/Main/Voxel.h-
• [10]. www.opencv.org
• [11]. https://docs.opencv.org/2.4/doc/tutorials/introduction/linux_eclipse/linux_eclipse.html
• [12]. http://www.eclipse.org
• [13]. http://www.intel.com/technology/computing/opencv/
• [14]. https://docs.opencv.org/2.4.13.2/modules/core/doc/basic_structures.html
• [15]. https://docs.opencv.org/2.4/modules/imgproc/doc/miscellaneous_transformations.html

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).