Wykrywanie prostych w obrazie cyfrowym z wykorzystaniem transformacji Hougha

• Autorzy: Kowalski P. , Smyk R.

Identyfikatory

DOI

10.32016/1.61.09

Warianty tytułu

EN

Straight lines detection in digital image using Hough transform

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje eksperymentalną analizę wpływu szumu o założonym poziomie na skuteczność wykrywania prostych w obrazie przy użyciu algorytmu Hougha. Analizę przeprowadzono przy użyciu opracowanej aplikacji obejmującej realizację procedury generacji szumu oraz algorytmu automatycznie wyznaczającego liczbę pikseli w funkcji jasności w przestrzeni Hougha. Zbadano wpływ poziomu szumu na różnicę w liczbach pikseli tworzących prostą wejściową, a prostą tworzoną przez współliniowe piksele szumu.

EN

The paper experimentally analyzed the impact of noise level on the efficiency of straight lines detection using the Hough algorithm. The analysis was carried out in the own application containing the noise generation procedure and the algorithm that automatically determines the number of pixels as a function of brightness in Hough space. The impact of noise level on the difference in the number of pixels of input straight lines, and lines generated from noise was analyzed.

Słowa kluczowe

PL

przetwarzanie obrazu; transformacja Hougha; wykrywanie linii

EN

image processing; Hough transform; line detection

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2018
• Tom: Nr 61
• Strony: 45--48
• Opis fizyczny: Bibliogr. 11 poz., rys., wykr.

Twórcy

autor

Kowalski P.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

autor

Smyk R.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

Bibliografia

• 1. Gioi R. G., Jakubowicz J, Morel J. M., Randall G.: LSD: A Fast Line Segment Detector with a False Detection Control, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, s. 722–32.
• 2. Duda R. O., Hart P. E.: Use of the Hough transformation to detect lines and curves in pictures, Communications of the ACM, 1972 s. 11–5.
• 3. Illingworth J., Kittler J.: A survey of the hough transform, Computer Vision, Graphics, and Image Processing, 1988 s. 87–116.
• 4. Yetgin O. E., Gerek O. N.: PLD: Power line detection system for aircrafts, International Artificial Intelligence and Data Processing Symposium (IDAP), 2017.
• 5. 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), 2016, s. 744-748.
• 6. 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, 2009.
• 7. 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), 2017.
• 8. Nguyen U. T. V., Bhuiyan A., Park L. A., Ramamohanarao K.: An effective retinal blood vessel segmentation method using multi-scale line detection, Pattern Recognition, 2013.
• 9. Montusiewicz J: Zastosowanie dwuwymiarowej grafiki wektorowej i fraktalnej w projektowaniu, Postępy Nauki i Techniki, 2012, s. 47–60.
• 10. Kowalski P, Czyżak M.: Algorytmy wykrywania krawędzi w obrazie, Poznan University Of Technology Academic Journals Electrical Engineering, Poznań 2018, s. 243–54.
• 11. Open Source Computer Vision Library, Reference Manual, 2014.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).