Szia! Szűrőszállítóként nagyon szívesen beszélgetek a Laplacian of Gauss-féle (LoG) szűrőről és annak beteges használatáról a foltok észlelésében. Szóval, ugorjunk bele!
Először is, mi a fene az a laplaci Gauss-szűrő? Nos, ez alapvetően két jól ismert képfeldolgozó szűrő kombinációja: a Gauss-szűrő és a Laplacian-szűrő.
A Gauss-szűrő olyan, mint egy simító bajnok. Elmosódik a kép a zaj csökkentése érdekében. Tudja, hogy amikor zajos környezetben fényképez, ezek a véletlenszerű pixelek elrontják a képet? A Gauss-szűrő segít megszabadulni ettől a zajtól azáltal, hogy átlagolja a pixelértékeket az egyes pixelek körüli környéken. Gauss-függvényt használ, ez a harang alakú görbe. A görbe szélessége, amelyet a szórás (σ) nevű paraméter szabályoz, határozza meg, hogy mekkora elmosódás történik. A kis σ kisebb elmosódást jelent, a nagy σ pedig több elmosódást jelent.
A laplaci szűrő ezzel szemben az élek megtalálásáról szól. Kiszámítja egy kép másodrendű deriváltját. Egyszerűen fogalmazva, a pixelértékek hirtelen változásait keresi. Ha éles változás következik be az intenzitásban, például egy tárgy szélén a képen, a Laplacian-szűrő magas választ ad.
Most, ha ezt a kettőt kombinálja, megkapja a Gauss-féle laplaci szűrőt. Az ötlet az, hogy először a Gauss-szűrővel simítsuk ki a képet a zaj csökkentése érdekében, majd alkalmazzuk a Laplacian-szűrőt a szélek megtalálásához. A LoG szűrőt egy konvolúciós kernellel lehet ábrázolni, amely egy kis mátrix, amelyet a kép fölé csúsztatva végrehajtja a szűrési műveletet.
Matematikailag egy 2D-s Gauss-függvény laplaciánusa a következőképpen adódik:
$\nabla^{2}G(x,y;\sigma)=\frac{1}{2\pi\sigma^{4}}\left(\frac{x^{2}+y^{2}}{\sigma^{2}} - 2\right)e^{-\frac{x^{2}+y^{2}}{2}}}$^
ahol $(x,y)$ a képsík koordinátái, és $\sigma$ a Gauss-függvény szórása.
Szóval, hogyan kapcsolódik ez a foltészleléshez? A foltok alapvetően világos vagy sötét területek a képen, amelyek kiemelkednek a háttérből. Lehetnek olyan dolgok, mint például érmék a fotón, sejtek a mikroszkóp képen vagy csillagok egy csillagászati képen.
A blob-észlelés LoG-szűrőjének fő tulajdonsága, hogy nulla keresztezési tulajdonsággal rendelkezik. Amikor a LoG szűrőt egy képre alkalmazzuk, a nulla-átmenetek (pontok, ahol a szűrő kimenete előjelet vált) megfelelnek a blobok széleinek. Ha megtaláljuk ezeket a nulla kereszteződéseket, meg tudjuk határozni a blobokat a képen.
Íme egy lépésről lépésre a LoG-szűrő blob-észlelési használatának folyamata:
-
Válassza ki a megfelelő σ értéket: A különböző méretű blobokhoz különböző σ értékekre van szükség. Nagyobb blobokhoz nagyobb σ-re van szükség, mert több elmosódást szeretne az élészlelés előtt. Több σ-értéket is kipróbálhat, és különböző léptékű blobokat kereshet.
-
Alkalmazza a LoG szűrőt: Konvolálja a képet a LoG kernellel a kiválasztott σ értékhez.
-
Keresse meg a nulla kereszteződéseket: Szkennelje be a szűrt képet, és jelölje meg azokat a pontokat, ahol a szűrőkimenet előjelet vált. Ezek a pontok alkotják a blobok határait.
-
Csoportosítsa a nulla kereszteződéseket!: Az egymáshoz közel eső nulla-átkelőhelyek csoportosíthatók egyetlen blobot ábrázolva.
A LoG-szűrő blob-észlelési használatának előnye, hogy méretarányos – bizonyos mértékig invariáns. Több σ érték használatával különböző méretű foltokat észlelhet ugyanazon a képen. A kezdeti Gauss-simítás miatt jó munkát végez a zajhatás csökkentésében is.
Ma már szűrő beszállítóként más szűrők széles választékát is kínáljuk. Nálunk például aKosárszűrő, amely kiválóan alkalmas olyan alkalmazásokhoz, ahol nagy részecskéket kell eltávolítani a folyadékból. Kosár alakú kialakítással rendelkezik, amely hatékonyan képes felfogni a törmeléket.
A miénkT - típusú szűrőegy másik népszerű választás. Nevét T alakú szerkezetéről kapta, és gyakran használják csővezetékekben a szennyeződések kiszűrésére. Könnyen telepíthető és karbantartható, így számos ipari alkalmazáshoz ideális választás.
És akkor ott van aY - típusú szűrő. Ez a szűrő az Y alakú testéről kapta a nevét. Általában gőz-, gáz- és folyadékrendszerekben használják, hogy megvédjék a berendezéseket a szennyeződésektől és törmeléktől.
Ha szűrőket keres, legyen szó képfeldolgozási igényeinek kielégítésére szolgáló Laplacian of Gaussian szűrőről, vagy valamelyik másik ipari szűrőnkről, szívesen segítünk. Szakértői csapatunk segíthet Önnek az adott alkalmazáshoz megfelelő szűrő kiválasztásában. Tisztában vagyunk vele, hogy minden projekt egyedi, és elkötelezettek vagyunk amellett, hogy kiváló minőségű szűrőket biztosítsunk, amelyek megfelelnek az Ön igényeinek.
Tehát, ha többet szeretne megtudni szűrőinkről, vagy beszerzési vitát szeretne kezdeményezni, ne habozzon kapcsolatba lépni. Várjuk, hogy együtt dolgozhassunk, és segíthessünk megtalálni a tökéletes szűrőmegoldást.
Hivatkozások
- Gonzalez, RC és Woods, RE (2008). Digitális képfeldolgozás. Pearson Prentice Hall.
- Marr, D. és Hildreth, E. (1980). Élérzékelés elmélete. A Londoni Királyi Társaság közleménye. Series B. Biological Sciences, 207(1167), 187-217.
