Wpływ rozdzielczości i kompresji obrazu na błąd pomiaru geometrii oraz barwy ziarniaków zbóż

• Autorzy: Zapotoczny P.

Warianty tytułu

EN

The effect of image resolution and compression on measurement error of cereal grain geometry and colour

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono rozważania nad wpływem rozdzielczości i kompresji obrazu na pomiar geometrii ziarniaków zbóż. Obraz ziarniaków pozyskiwany był za pomocą aparatu cyfrowego, a automatyczny pomiar geometrii wykonany został przy użyciu programu MultiScan v. 11.06. Rozdzielczość i kompresja obrazu nie miały wpływu na pomiar pola powierzchni, natomiast pozostałe wymiary zmieniały się w zależności od rozdzielczości i kompresji.

EN

The study considered the influence of digital image resolution and compression on the measurements of cereal grain geometry. Grain image was obtained by using a digital camera. The automatic measurement of grain geometry was realized by application of the MultiScan v. 11.06 programme. Neither the image resolution nor compression did affect the exactness of grain surface measurement, whereas the other dimensions changed depending on the resolution and compression parameters.

Słowa kluczowe

PL

analiza obrazu; geometria; błąd pomiaru; rozdzielczość; kompresja

EN

cereal grains; digital image analysis; measurement error; resolution; compression; geometric parameters

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2005
• Tom: R. 9, nr 8
• Strony: 417--425
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Zapotoczny P.

• Katedra Inżynierii Procesów Rolniczych, Uniwersytet Warmińsko-Mazurski w Olsztynie

Bibliografia

• Fornal J., Jeliński T., Sadowska J., Quattrucci E.1999. Comparison of endosperm microstructure of wheat and durum wheat using digital image analysis. International Agrophysics, 13 (2): 215-220.
• Fornal Ł. 2000. Jakość ziarna zbóż, jak się określa i od czego zależy. Biuletyn WMIR 7/8.
• Fornal Ł., Kozirok W., Chorążewicz R. 2003. New possibilities to characterizing wheat grain endosperm. Pol. J. Food Nutr. Sci., Vol. 13/1: 170-183.
• Majumdar S., Jayas D.S. 1999. Classification of bulk samples of cereal grains using machine vision. J. Agric. Engang. Res. 73: 35-47.
• Majumdar S., Jayas D.S. 2000. Classification of cereal grains using machine vision: VI. Combined Morphology, Color, and Texture Models. American Society of Agricultural Engineering, 43(6): 1689-1694.
• Neuman M., Sapristein H D., Shwedyk E., Bushuk W. 1987. Discrimination of wheat class and variety by digital image analysis of whole grain samples. Journal of Cereal Science, 6: 125-132.
• Paliwal J., Visen N.S., Jayas D.S., White N.D.G. 2003. Comparison of a neural network and non-parametric classifier for grain kernel identification. Biosystems Engineering, 85(4): 405-413.
• Visen N.S., Paliwal J., Jayas D.S., White N.D.G. 2001. Specialist neural networks for cereal grain classification. Biosystems Engineering, 82(2): 151-159.