Data science

ทุกสิ่งที่คุณต้องรู้เกี่ยวกับการตรวจจับขอบ

การตรวจจับขอบเป็นแนวทางที่สำคัญในการประมวลผลภาพ แมชชีนวิชัน และคอมพิวเตอร์วิชันซิสเต็ม การตรวจจับขอบหมายถึงชุดของเทคนิคทางคณิตศาสตร์สำหรับการตรวจจับขอบหรือส่วนโค้งในรูปภาพดิจิทัลเมื่อความสว่างของภาพเปลี่ยนไปอย่างกะทันหันหรือเป็นทางการมากขึ้น มีความต่อเนื่อง การตรวจจับขั้นตอนเป็นปัญหาของการระบุความไม่ต่อเนื่องในสัญญาณแบบมิติเดียว ในขณะที่การตรวจจับการเปลี่ยนแปลงคือปัญหาในการค้นหาความไม่ต่อเนื่องของสัญญาณในช่วงเวลาต่างๆ ในการประมวลผลภาพ แมชชีนวิชัน และคอมพิวเตอร์วิชัน การตรวจจับขอบเป็นเทคนิคที่สำคัญ โดยเฉพาะอย่างยิ่งในด้านการระบุและการแยกคุณลักษณะ เป้าหมายของการตรวจจับการเปลี่ยนแปลงที่คมชัดของความสว่างของภาพคือการบันทึกเหตุการณ์สำคัญและการเปลี่ยนแปลงในลักษณะของโลก ความไม่ต่อเนื่องของความสว่างของภาพคาดว่าจะสัมพันธ์กับความไม่ต่อเนื่องในเชิงลึก ความไม่ต่อเนื่องในการวางแนวพื้นผิว การเปลี่ยนแปลงในลักษณะของวัสดุ และความผันผวนของแสงฉากโดยพิจารณาจากสมมติฐานที่ค่อนข้างทั่วไปสำหรับแบบจำลองการสร้างภาพ ในโลกอุดมคติ การใช้เครื่องตรวจจับขอบกับภาพจะส่งผลให้เกิดการรวมเส้นโค้งที่เชื่อมโยงกันซึ่งระบุเส้นขอบของวัตถุ ขอบเขตการทำเครื่องหมายพื้นผิว และเส้นโค้งที่สอดคล้องกับความไม่ต่อเนื่องของการวางแนวพื้นผิว การใช้วิธีการตรวจจับขอบกับรูปภาพสามารถลดปริมาณข้อมูลที่ต้องประมวลผลได้ ดังนั้นจึงกรองข้อมูลที่ไม่สำคัญออกไปในขณะที่ยังคงรักษาลักษณะโครงสร้างที่สำคัญของรูปภาพไว้ หากขั้นตอนการตรวจจับขอบสำเร็จ การทำความเข้าใจข้อมูลที่อยู่ในภาพต้นฉบับอาจมีความคล่องตัวอย่างมาก อย่างไรก็ตาม ขอบที่สมบูรณ์แบบดังกล่าวไม่สามารถทำได้จากภาพจริงที่มีความซับซ้อนเพียงเล็กน้อย ขอบที่กู้คืนจากภาพที่ไม่สำคัญมักถูกขัดขวางจากการแตกแฟรกเมนต์ ซึ่งส่งผลให้เส้นโค้งของขอบไม่เชื่อมต่อกัน ส่วนของขอบที่หายไป และขอบเท็จที่ไม่สัมพันธ์กับเหตุการณ์สำคัญในภาพ ทำให้กระบวนการทำความเข้าใจข้อมูลภาพมีความซับซ้อน หนึ่งในกระบวนการพื้นฐานที่สุดในการประมวลผลภาพ การวิเคราะห์ภาพ การจดจำรูปแบบภาพ และแนวทางการมองเห็นด้วยคอมพิวเตอร์คือการตรวจจับขอบ สามารถดึงขอบที่ขึ้นกับมุมมองหรือขอบที่ไม่ขึ้นกับมุมมองได้จากภาพสองมิติของฉากสามมิติ ลักษณะภายในของวัตถุสามมิติ เช่น เครื่องหมายพื้นผิวและรูปแบบ โดยทั่วไปจะสะท้อนโดยขอบที่ไม่ขึ้นกับเปอร์สเปคทีฟ เรขาคณิตของฉาก เช่น วัตถุที่บดบังซึ่งกันและกัน โดยทั่วไปแล้วจะสะท้อนโดยขอบที่ขึ้นกับเปอร์สเป็คทีฟ ซึ่งจะแตกต่างกันไปตามการเปลี่ยนแปลงของมุมมอง ตัวอย่างเช่น เส้นขอบระหว่างบล็อกสีแดงกับบล็อกสีเหลือง เป็นขอบทั่วไป ในทางกลับกัน เส้นสามารถเป็นพิกเซลจำนวนเล็กน้อยของเฉดสีที่แปรผันได้บนฉากหลังที่คงที่เป็นอย่างอื่น ในกรณีส่วนใหญ่ อาจมีขอบด้านใดด้านหนึ่งของเส้นตรง การตรวจจับขอบสามารถทำได้หลายวิธี โดยการตรวจจับขอบ Prewitt, การตรวจจับขอบ Sobel, การตรวจจับขอบ Laplacian และการตรวจจับขอบ Canny เป็นสิ่งที่ได้รับความนิยมมากที่สุด Prewitt Edge Detection นี่คือเครื่องตรวจจับขอบยอดนิยมที่ใช้ในการระบุขอบแนวนอนและแนวตั้งในรูปภาพ Sobel Edge Detection วิธีนี้ใช้ฟิลเตอร์ที่เน้นตรงกลางของฟิลเตอร์ เป็นหนึ่งในเครื่องตรวจจับขอบที่ใช้บ่อยที่สุด และลดเสียงรบกวนในขณะเดียวกันก็ให้การแยกแยะและการตอบสนองของขอบ เครื่องตรวจจับขอบ Laplacian เครื่องตรวจจับขอบ Laplacian แตกต่างจากเครื่องตรวจจับขอบที่กล่าวถึงก่อนหน้านี้ เทคนิคนี้ใช้ตัวกรองเพียงตัวเดียว (เรียกอีกอย่างว่าเคอร์เนล) การตรวจจับขอบของ Laplacian ดำเนินการอนุพันธ์อันดับสองในการผ่านครั้งเดียว ทำให้ไวต่อสัญญาณรบกวน ก่อนใช้วิธีนี้ รูปภาพจะปรับให้เรียบด้วยการปรับแบบเกาส์เซียนเพื่อหลีกเลี่ยงความอ่อนไหวต่อสัญญาณรบกวนนี้ การตรวจจับขอบ Canny เป็นวิธีที่ใช้กันอย่างแพร่หลาย ประสบความสำเร็จอย่างสูง และซับซ้อนที่สุดเมื่อเปรียบเทียบกับวิธีอื่นๆ เป็นวิธีการแบบหลายขั้นตอนในการตรวจจับและระบุขอบที่หลากหลาย ขั้นตอนของวิธีการตรวจหาขอบ Canny แสดงอยู่ด้านล่าง มันแปลงรูปภาพเป็นระดับสีเทา กำจัดสัญญาณรบกวน (เนื่องจากการตรวจจับขอบโดยใช้อนุพันธ์นั้นไวต่อสัญญาณรบกวน) คำนวณการไล่ระดับสี (ซึ่งช่วยในการระบุความแรงของขอบและทิศทาง) และสุดท้าย เปลี่ยนรูปภาพเป็นระดับสีเทา ใช้การปราบปรามที่ไม่สูงสุดเพื่อจำกัดขอบของภาพให้แคบลง ใช้เกณฑ์สองเท่าเพื่อตรวจจับพิกเซลที่เข้ม อ่อน และไม่สัมพันธ์กันของภาพ และการติดตามขอบฮิสเทรีซิสเพื่อช่วยเปลี่ยนพิกเซลที่อ่อนแอให้กลายเป็นพิกเซลที่แข็งแรงก็ต่อเมื่อล้อมรอบด้วยพิกเซลที่แข็งแกร่งเท่านั้น

  • บ้าน
  • ธุรกิจ
  • วิทยาศาสตร์ข้อมูล
  • การตลาดดิจิทัล

  • ตลาดการค้า
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button