بررسی عملکرد فیلترها در مباحث پردازش تصویر و خوشه بندی تصاویر

در فرآیند استخراج اطلاعات مدنظر از تصاویر چه به صورت بصری و چه به صورت خودکار و استفاده از روش های خوشه بندی و طبقه بندی نظارت شده استفاده از روش های بهینه و مناسب باهدف موردنظر بسیار مهم است همچنین مراحل پیش پردازش تصاویر مانند بهبود تصویر و یا کاهش جزئیات آن مهم بوده و در نتایج نهایی تاثیرگذار است. بدین منظور در تحقیق پیش رو تاثیر شناسایی لبه و روش های مختلف شناسایی آن مورد بررسی و ارزیابی قرار گرفته است. فرآیند تشخیص لبه بسیار مهم است؛ زیرا به عنوان اولین مرحله از تجزیه و تحلیل و درک تصویر عمل می کند. شبکه کانولوشن با استفاده از فیلترهای مختلف مانند فیلتر Canny ، Sobel ، Prewitt و لاپلاسین ، لبه های تصویر را تشخیص می دهد. در این مقاله، به مقایسه عملکرد استخراج لبه تصویر با کمک فیلتر Canny و Sobel استفاده می شود و یک نمونه اولیه با استفاده از OpenCV ، در پایتون پیاده سازی می شود. الگوریتم Canny از معیارهای تشخیص، محلی سازی و حداقل پاسخ برای خروجی نتایج تشخیص لبه باکیفیت بالا پیروی می کند. علاوه بر این، Canny از یک آستانه دوگانه برای آشکارسازی لبه ها استفاده می کند و برخلاف Sobel که در برابر نویز مقاوم نیست، از فیلتر گاوسی برای حذف نویز از تصویر استفاده می کند در کنار آنها لاپلاسین نیز یک فیلتر پردازش تصویر است که برای تشخیص لبه ها استفاده می شود و با فیلترهای دیگر و ترکیب می شود تا دقت تشخیص لبه ها بیشتر شود.

کلیدواژه ها:

شبکه کانولوشن ، الگوریتم Canny ، Sobel ، Prewite ، Robert