Rilevamento dei bordi: Esplorare i confini nella visione artificiale

Di Fouad Sabry

Cos'è il rilevamento dei bordi

Il rilevamento dei bordi è una raccolta di tecniche matematiche mirate a riconoscere i bordi, definiti come curve in un'immagine digitale alle quali la luminosità l'immagine cambia bruscamente o, più formalmente, contiene delle discontinuità. La difficoltà di scoprire discontinuità nei segnali unidimensionali viene definita rilevamento del passo, mentre il problema di trovare discontinuità del segnale nel tempo viene definito rilevamento del cambiamento. Entrambe queste tecniche vengono utilizzate per trovare discontinuità nei segnali. Il metodo di rilevamento dei bordi è uno strumento essenziale nei campi dell'elaborazione delle immagini, della visione artificiale e della visione artificiale, in particolare nelle aree del rilevamento e dell'estrazione delle caratteristiche.

Come trarrai vantaggio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Rilevamento dei bordi

Capitolo 2: Elaborazione delle immagini digitali

Capitolo 3: Operatore Sobel

Capitolo 4: Croce di Roberts

Capitolo 5: Rilevatore di bordi Canny

Capitolo 6: Algoritmo di Marr-Hildreth

Capitolo 7: Trasformazione di caratteristiche invarianti di scala

Capitolo 8: Operatore di Laplace discreto

Capitolo 9: Spazio di scala

Capitolo 10: Operatore di Prewitt

(II) Rispondere alle principali domande del pubblico sul rilevamento dei bordi.

(III) Esempi reali dell'utilizzo del rilevamento dei bordi in molti campi.

A chi è rivolto questo libro

Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di rilevamento dei bordi.

 

 

• Lingua: Italiano
• Editore: Un Miliardo Di Ben Informato [Italian]
• Data di uscita: 30 apr 2024

Anteprima del libro

Capitolo 1: Rilevamento dei bordi

Il rilevamento dei bordi è una raccolta di tecniche matematiche progettate per trovare transizioni nette nella luminosità nelle immagini digitali, a volte note come bordi. La ricerca di discontinuità nei segnali unidimensionali è chiamata rilevamento del passo, mentre la ricerca di segnali variabili nel tempo è chiamata rilevamento del cambiamento. Nei campi della visione artificiale, della visione artificiale e dell'elaborazione delle immagini, il rilevamento dei bordi svolge un ruolo cruciale, soprattutto nei processi di identificazione ed estrazione delle caratteristiche.

L'acquisizione di eventi significativi e cambiamenti negli attributi del mondo richiede il rilevamento di improvvisi cambiamenti nella luminosità dell'immagine. I cambiamenti di contrasto in un'immagine possono essere spiegati da alcuni presupposti standard su come si formano le immagini:

una discontinuità di profondità, Interruzioni orientazionali nelle superfici, spostamenti nella struttura atomica del materiale e

sottili cambiamenti nell'illuminazione della scena.

L'applicazione di un rilevatore di bordi a un'immagine può potenzialmente produrre un insieme di curve connesse che rappresentano i bordi degli oggetti, i bordi delle marche di superficie e i bordi di eventuali interruzioni nell'orientamento della superficie. Al fine di preservare gli importanti aspetti strutturali di un'immagine senza complicare eccessivamente l'elaborazione, è possibile applicare un metodo di rilevamento dei bordi all'immagine per ridurre considerevolmente la quantità di dati da elaborare, filtrando le informazioni che potrebbero essere ritenute meno rilevanti. Se il processo di rilevamento dei bordi è efficace, decifrare il contenuto informativo dell'immagine può essere molto meno difficile. Tuttavia, margini così perfetti non sono sempre ottenibili da foto del mondo reale moderatamente complesse.

La frammentazione, in cui le curve dei bordi non sono collegate, i segmenti di bordo mancanti e i falsi bordi non correlati a occorrenze rilevanti nell'immagine ostacolano l'interpretazione dei dati dei bordi derivati da immagini non banali.

Il rilevamento dei bordi è un primo passo cruciale in molti tipi di analisi delle immagini, riconoscimento di modelli e visione artificiale.

Gli spigoli derivati da una rappresentazione 2D di una scena 3D possono essere dipendenti dal punto di vista o indipendenti dal punto di vista a seconda del modo in cui è stata creata la rappresentazione 2D. I bordi indipendenti dalla prospettiva dell'osservatore spesso rivelano informazioni sulla forma e la consistenza degli oggetti tridimensionali. Un bordo che dipende dalla prospettiva dell'osservatore potrebbe spostarsi in base alla sua posizione nell'immagine, riflettendo fattori come l'occlusione degli oggetti.

La linea in cui due blocchi di colore adiacenti si incontrano è un esempio di bordo comune. Al contrario, una linea (che può essere recuperata da un rilevatore di creste) può consistere solo di pochi pixel di un colore distinto su uno sfondo altrimenti uniforme. Di conseguenza, uno spigolo può esistere su entrambi i lati di una linea.

Sebbene i bordi perfetti siano stati oggetto di alcune ricerche, le fotografie naturali raramente producono bordi dei gradini veramente perfetti. Al contrario, sono in genere influenzati da almeno uno dei seguenti elementi:

Sfocatura della messa a fuoco dovuta alle limitazioni della profondità di campo e della funzione di diffusione dei punti.

Sfocatura penombrale dovuta alle ombre proiettate da sorgenti luminose che non svaniscono.

Proiettare ombre su una superficie piana

Diversi studiosi hanno fatto il passo più semplice oltre il modello ideale del bordo del gradino descrivendo gli effetti della sfocatura dei bordi utilizzando un bordo del gradino levigato gaussiano (una funzione di errore).

Pertanto, un'immagine unidimensionale f che ha esattamente un bordo posizionato in corrispondenza x=0 può essere modellata come:

{\displaystyle f(x)={\frac {I_{r}-I_{\ell }}{2}}\left(\operatorname {erf} \left({\frac {x}{{\sqrt {2}}\sigma }}\right)+1\right)+I_{\ell }.}

Verso il margine sinistro, l'intensità è {\displaystyle I_{\ell }=\lim _{x\rightarrow -\infty }f(x)} , e a destra del bordo è I_{r}=\lim _{x\rightarrow \infty }f(x) .

Il parametro di scala \sigma è chiamato scala di sfocatura del bordo.

Il valore ideale per questo parametro di scala è quello che tiene conto della qualità dell'immagine in modo che i bordi autentici dell'immagine non vadano persi durante il processo.

Si consideri il seguente segnale unidimensionale come esempio del motivo per cui il rilevamento dei bordi non è un processo semplice. Sembra naturale supporre che il quarto e il quinto pixel in questo esempio debbano essere separati da una linea.

Sarebbe meno ovvio che ci fosse un bordo nella regione corrispondente se la differenza di intensità tra il quarto e il quinto pixel fosse minore e se le differenze di intensità tra i pixel confinanti successivi fossero maggiori. Inoltre, c'è la possibilità di sostenere che questo caso presenta molteplici vantaggi.

Pertanto, non è sempre facile definire una soglia precisa per quanta differenza di intensità deve esserci tra due pixel adiacenti per poter dichiarare che dovrebbe esserci un bordo tra questi pixel. Di conseguenza, a meno che gli oggetti della scena non siano abbastanza semplici e l'illuminazione possa essere calibrata con attenzione, il rilevamento dei bordi può essere un compito non banale (vedi ad esempio, i bordi estratti dall'immagine con la ragazza sopra).

Esistono molti metodi di rilevamento dei bordi, tuttavia possono essere suddivisi in approcci basati sulla ricerca o basati sullo zero-crossing. I metodi basati sulla ricerca trovano gli spigoli stimando prima l'orientamento locale del bordo, in genere la direzione del gradiente, e quindi cercando i massimi direzionali locali dell'intensità del bordo, che è in genere un'espressione derivata del primo ordine come l'ampiezza del gradiente. Gli approcci basati sul passaggio per lo zero spesso cercano i passaggi per lo zero del laplaciano o i passaggi per lo zero di un'espressione differenziale non lineare, entrambi generati dall'immagine, per localizzare gli spigoli. Nella maggior parte dei casi, una fase di levigatura, spesso una fase di levigatura gaussiana, viene implementata come fase di pre-elaborazione prima che venga eseguito il rilevamento effettivo dei bordi (vedere anche riduzione del rumore).

Vengono utilizzati diversi filtri di levigatura e la resistenza dei bordi viene quantificata in modi leggermente diversi tra gli algoritmi di rilevamento dei bordi riportati. Poiché molte strategie di rilevamento dei bordi si concentrano sul calcolo dei gradienti dell'immagine, i filtri impiegati per stimare tali gradienti negli assi x e y potrebbero variare notevolmente tra gli approcci.

Una varietà di tecniche di rilevamento dei bordi sono discusse in (Ziou e Tabbone 1998); Date le condizioni di rilevamento, localizzazione e riduzione al minimo di molte risposte a un singolo bordo, John Canny ha esplorato la sfida matematica di progettare un filtro di levigatura efficace. In queste condizioni, ha dimostrato, il miglior filtro è la somma di quattro termini esponenziali. Ha anche dimostrato che le derivate gaussiane del primo ordine forniscono una buona approssimazione a questo filtro. Dati i filtri di presmoothing, i punti di bordo sono definiti come posizioni in cui l'ampiezza del gradiente raggiunge un massimo locale lungo l'asse del gradiente, un concetto che Canny ha presentato in precedenza. Haralick per prima cosa suggerì di cercare il passaggio per lo zero della derivata seconda lungo la direzione del gradiente. Una recente interpretazione variazionale geometrica dell'operatore, che lo collega al rivelatore di bordo Marr-Hildreth (attraversamento dello zero del Laplaciano), è stata scoperta in meno di due decenni. Ron Kimmel e Alfred Bruckstein hanno fatto questa osservazione. I rilevatori di bordi con prestazioni migliori rispetto al Canny tendono a richiedere più tempo di calcolo o più parametri.

Vladimiro A.

Kovalevsky, e un filtro di diluizione a rampa di sua progettazione.

Per rilevare un bordo tra due pixel vicini che hanno la stessa luminosità ma colori diversi,