Algorytmy wykrywania krawędzi w obrazie

• Autorzy: Kowalski P. , Czyżak M.

Identyfikatory

DOI

10.21008/j.1897-0737.2018.96.0021

Warianty tytułu

EN

Edge detection algorithms in pictures

• Konferencja: Computer Applications in Electrical Engineering (23-24.04.2018 ; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

Wykrywanie krawędzi jest pierwszym etapem w cyfrowym przetwarzaniu obrazów. Operacja ta polega na usunięciu informacji takich jak kolor czy też jasność, a pozostawieniu jedynie krawędzi. Efektem tej operacji jest znaczna redukcja ilości danych do dalszej analizy. Pozwala to na zastosowanie w następnych etapach przetwarzania bardziej złożonych algorytmów rozpoznawania obiektów na podstawie kształtu. W artykule zaprezentowano zastosowanie algorytmów Robertsa, Sobela, Previtt, Kirscha i Scharra. Zaproponowano też nowy, efektywny obliczeniowo algorytm dedykowany do wykrywania krawędzi poziomych. Algorytmy zostały porównane w zastosowaniu do detekcji przewodów. Kryteriami porównania były skuteczność wykrywania krawędzi przewodów wysokiego napięcia oraz szybkość działania. Algorytmy zostały zaimplementowane z wykorzystaniem biblioteki OpenCV oraz przetestowane na zestawie zdjęć przedstawiających przewody wysokiego napięcia.

EN

Edge detection is the first step in digital image processing. This operation involves removing information such as colour or brightness and leaving edges. This data size reduction makes that the data amount for the further analysis is significantly smaller. This allows to use more complex algorithms for recognizing objects based on shape in the next processing stages. The work presents the application of the known edge detection algorithms as these of Roberts, Sobel, Prewitt, Kirch and Scharr. Moreover, a new, computationally effective, edge detection algorithm dedicated for horizontal edges is proposed. The algorithms have been compared for detection of electric wires. The criterions of comparison were the effectiveness of edge detection applied to high voltage wires and the speed of operation. The algorithms have been implemented using the OpenCV library and tested on a set of images of high voltage wires.

Słowa kluczowe

PL

wykrywanie krawędzi; operatory detekcji krawędzi; przetwarzanie obrazu; wykrywanie linii wysokiego napięcia

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2018
• Tom: No. 96
• Strony: 243--254
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Kowalski P.

• Politechnika Gdańska

autor

Czyżak M.

• Politechnika Gdańska

Bibliografia

• [1] Yetgin O. E., Gerek O. N., PLD: Power line detection system for aircrafts, International Artificial Intelligence and Data Processing Symposium (IDAP) Artificial Intelligence and Data Processing Symposium (IDAP), Sep 2017.
• [2] Guang Z., Jinwei Y., I-Ling Y., Farokh B., Robust Real-Time UAV Based Power Line Detection and Tracking, IEEE International Conference on Image Processing (ICIP), Sep, 2016, pp. 744-748.
• [3] Candamo J., Kasturi R., Goldgof D., Sarkar S., Detection of Thin Lines using Low-Quality Video from Low-Altitude Aircraft in Urban Settings, IEEE Transactions on Aerospace and Electronic Systems, Volume 45, Number 3, July 2009, pp. 937-949.
• [4] Karakose, E., Performance evaluation of electrical transmission line detection and tracking algorithms based on image processing using UAV, International Artificial Intelligence and Data Processing Symposium (IDAP), 1-5 Sep, 2017.
• [5] Weiran C, Linlin Z., Jianda H., Tianran W., Yingkui D., High voltage transmission line detection for uav based routing inspection, IEEE/ASME International Conference on Advanced Intelligent Mechatronics Advanced Intelligent Mechatronics (AIM), July 2013, pp. 554-558.
• [6] Open Source Computer Vision Library, Reference Manual, 2014.
• [7] Roberts L. G.: Machine perception of three-dimensional solids, PhD thesis, MIT, Lincoln Laboratory, May 22, 1963, pp. 82.
• [8] Sobel I., Feldman G., An isotropic 3x3 image gradient operator, presented at Stanford Artificial Intelligence Project (SAIL), 1968.
• [9] Prewitt J. M. S.,Object Enhancement and Extraction, Picture processing and Psychopictorics, Academic Press,1970.
• [10] Kirsch R. A., Computer Determination of the Constituent Structure of Biological Images, Computers and Biomedical Research, Volume 4, Number 3, June 1971, pp. 315-328.
• [11] Scharr H., Optimal Operators in Digital Image Processing, PhD thesis, Heidelberg, May 10, 2000, pp. 178.
• [12] Burns J. B., Hanson A. R., Riseman E. M., Extracting Straight Lines, IEEE Transactions on Pattern Analysis & Machine Intelligence, Volume 8, Number 4, 1986, pp. 425-455.

Uwagi

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