Cyfrowe przetwarzanie obrazów - metody detekcji krawędzi obiektów o złożonym zarysie

• Autorzy: Karbowski K.

Warianty tytułu

EN

Digital image analysis - methods of edge detection

• Języki publikacji: PL

Abstrakty

PL

Jedną z metod odwzorowywania obiektów w systemach inżynierii odwrotnej jest wykorzystanie obrazów obiektu, uzyskanych na przykład metodą tomografii komputerowej. Podstawowym zagadnieniem podczas tego typu odwzorowania jest analiza obrazów, której celem jest wykrycie krawędzi obrazowanego obiektu. W artykule przedstawiono opisywane w literaturze metody detekcji krawędzi, między innymi: segmentację metodą binaryzacji, filtry gradientowe, detektor Canny'ego, oraz omówiono ich podstawowe wady i zalety. Zaprezentowano również opracowany przez autora algorytm detekcji krawędzi, wykorzystujący metodę analizy jasności punktów obrazu wzdłuż wektorów normalnych do przewidywanego położenia krawędzi. Na podstawie tego algorytmu opracowany został program komputerowy, który analizuje serię obrazów uzyskanych metodą tomografii komputerowej i generuje chmurę punktów krawędzi kości czaszki, która jest przesyłana do systemu komputerowo wspomaganego projektowania i służy projektowaniu protez dla potrzeb zabiegu kranioplastyki, polegającego na wypełnianiu ubytków kości czaszki.

EN

One of the reconstruction method in the reverse engineering is analysis of the digital images, which were acquired, in example by computer tomography. The fundamental problem during this reconstruction is detection of the object's edges in the images. The paper presents the edge detection methods, for example: segmentation by binarization, gradient filters. Canny edge detector - the main faults and merits of the presented methods have been described. The edge detection algorithm worked out by the author is described in the paper. The algorithm uses the grey (lumination) analysis of the image's points along the normal vectors to the predicted edges. The special software (which is based on the algorithm) has been constructed. The software analyses the series of the computer tomography images and generates the cloud of points of the skull bones. The cloud of edge points is sent to the computer aided design system and it is used for constructing the prosthesis for cranioplasty (cranioplasty is the surgical operation for implanting the prosthesis in the skull hole).

Słowa kluczowe

PL

analiza obrazów; detekcja krawędzi

EN

image analysis; edges detection

• Wydawca: Wydawnictwo Wrocławskiej Rady FSNT NOT
• Czasopismo: Inżynieria Maszyn
• Rocznik: 2006
• Tom: R. 11, z. 4
• Strony: 48--65
• Opis fizyczny: Bibliogr. 19 poz.

Twórcy

autor

Karbowski K.

• Politechnika Krakowska, Katedra Inżynierii Procesów Produkcyjnych

Bibliografia

• [1] Diao L., Yu B., Li H., A new edge detector based on Fresnel diffraction, Pattern Recognition Letters 28 (2007), 859-864.
• [2] Ding L., Goshtasby A., On the Canny edge detector, Pattern Recognition 34(2001), 721-725.
• [3] Green B, Canny edge detection tutorial. www.pages.drexel.edu/~weg22/can_tut.html, 2002.
• [4] He Q., Zhang Z.: A new edge detection algorithm for image corrupted by White-Gaussian noise, Int. J. Electron. Commun. (AEÜ) 61 (2007), 546 - 550.
• [5] Heric D., Zazula D., Combined edge detection using wavelet transform and signal registration, Image and Vision Computing 25 (2007), 652-662.
• [6] Hu L., Cheng H.D., Zhang M., A high performance edge detector based on fuzzy inference rules, Information Sciences 177 (2007), 4768-4784.
• [7] IMAQ Vision concepts manual. National Instruments. Austin, Texas 2004.
• [8] Krylov A.S., Najafi M., A projection method for edge detection in images, Computational Mathematics and Modeling, Vol.18, No.1, 2007, 91-101.
• [9] Lu S., Wang Z., Shen J., Neuro-fuzzy synergism to the intelligent system for edge detection and enhancement, Pattern Recognition 36 (2003), 2395 - 2409.
• [10] Malina W., Smiatacz M., Metody cyfrowego przetwarzania obrazów. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2005.
• [11] Nezamabadi-pour H., Saryazdi S., Rashedi E., Edge detection using ant algorithms, Soft Comput (2006) 10,.623-628.
• [12] Pardo X.M., Carreira M.J., Mosquera A., Cabello D., A snake for CT image segmentation integrating region and edge information, Image and Vision Computing 19 (2001), 461-475.
• [13] Shih F.Y., Zhang K., Locating object contours in complex background using improved snakes, Computer Vision and Image Understanding 105 (2007), 93-98.
• [14] Sun G., Liu Q., Liu Q., Ji C., Li X., A novel approach for edge detection based on the theory of universal gravity, Pattern Recognition 40 (2007), 2766 - 2775.
• [15] Tadeusiewicz R., Korohoda P., Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków 1997.
• [16] Wojnar L., Majorek M., Komputerowa analiza obrazu. Fotobit Design, Kraków 1994.
• [17] Wang S.-Y., Wang Y.-N., Image edge detection based on multi-fractal spectrum analysis, Front. Electr. Electron. Eng. China (2006) 2, 146-152.
• [18] Yuan W., Li D., Edge detection based on directional space, Front. Electr. Electron. Eng. China (2006) 2, 135-140.
• [19] Yüksel M.E., Edge detection in noisy images by neuro-fuzzy processing, Int. J. Electron. Commun. (AEÜ) 61 (2007), 82 - 89.