Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- \documentclass[12pt]{extarticle}
- \usepackage[utf8]{inputenc}
- \usepackage{cite}
- \title{Detecting contours of human organs in CT images using the Canny edge detector}
- \author{Martin Turk (27182035)}
- \date{January 2019}
- \begin{document}
- \maketitle
- \section{Povzetek}
- Za tretji seminar smo implementirali Cannyev detektor robov \cite{jcanny}, ki je široko uporabljen v računalniškem vidu za ugotavljanje sprememb intenzitete in iskanje robov slike.
- Slikovni element klasificiramo kot rob, če je magnituda gradienta slikovnega elementa večja kot magnituda sosednjih slikovnih elementov v smeri največje spremembe intenzitete.
- Detektor smo testirali na slikah iz CTMRI podatkovne baze \cite{ctmri}.
- V poročilu bomo opisali uporabljene metode pri implementaciji in predstavili rezultate.
- \section{Uvod}
- Detekcija robov je med najpogosteje uporabljenimi pristopi predprocesiranja slik in igra pomembno vlogo pri veliko sistemih z računalniškim vidom.
- Dobra prednost detekcije robov je, da znatno zmanjša količino podatkov, ki jih moramo obdelati, hkrati pa ohranja pomembne informacije o mejah objekta.
- Eden izmed boljših detektorjev robov je Cannyjev detektor, ki ga bomo podrobneje opisali v nadaljevanju.
- \section{Metode}
- Cannyev detektor robov je sestavljen iz štirih glavnih korakov:
- \begin{itemize}
- \item \textbf{Glajenje} sivinske slike z Gaussovim filtrom za odpravljanje šuma.
- \item \textbf{Izračun gradientov intenzitet} na vsakem slikovnem elementu s pomočjo Sobelovega ali Prewittovega filtra v vertikalni in horizontalni smeri slike. Sledi izračun magnitud za vsak slikovni element.
- \item \textbf{Nonmaxima suppression:} rezultat izračuna magnitud nam vrne debele robove, za končno sliko pa želimo da ima tanke. To storimo z dušenjem slikovnih elementov, ki niso maksimalni. Če vzamemo okno velikosti 3x3 in smo v sredinskem slikovnem elementu imamo štiri možne robove (vertikalno, horizontalno in diagonali). Glede na smer trenutnega slik. el. želimo ugotoviti kam se povezuje rob. Če je magnituda v tem slik. el. maksimalna ja označimo kot rob (1). Po nemaksimalni dušitvi dobimo tanke robove, ki so lahko pokvarjeni (luknjasti). Napake odpravimo v naslednjem koraku. (Postopek je dobro opisan v \cite{canny})
- \item \textbf{Hysteresis tresholding} je postopek, kjer z zgornjo in spodnjo mejo določimo močne in šibke (med mejama) robne točke, ter odpravimo nerobne točke. Meji določimo empirično in jih prilagodimo podatkom, tako da ju množimo z maksimalnim slikovnim elementom. V zadnjem koraku z "8-connectivity" določimo katere šibke robne točke so dejansko robovi.
- \end{itemize}
- \section{Rezultati}
- Program smo testirali na CT slikah iz CTMRI podatkovne baze. Detektor je v splošnem na testnih slikah dobro zaznaval robove. Skozi nekaj iteracij smo za najboljše parametre izbrali spodnjo mejo 0.075, zgornjo mejo 0.175, Sobelov filter in sigmo 1.45 pri Gaussovem filtru.
- Rezultati so vidni na naslednjih slikah.
- \begin{figure}[htbp]
- \begin{center}
- \includegraphics[scale=0.3]{figs_0006.png}
- \caption{Cannyjev detektor primer 1.}
- \label{slika1}
- \end{center}
- \end{figure}
- \begin{figure}[htbp]
- \begin{center}
- \includegraphics[scale=0.3]{figs_0008.png}
- \caption{Cannyjev detektor primer 2.}
- \label{slika1}
- \end{center}
- \end{figure}
- \begin{figure}[htbp]
- \begin{center}
- \includegraphics[scale=0.3]{figs_0022.png}
- \caption{Cannyjev detektor primer 3.}
- \label{slika1}
- \end{center}
- \end{figure}
- \begin{figure}[htbp]
- \begin{center}
- \includegraphics[scale=0.3]{figs_0023.png}
- \caption{Cannyjev detektor primer 4.}
- \label{slika1}
- \end{center}
- \end{figure}
- \begin{figure}[htbp]
- \begin{center}
- \includegraphics[scale=0.3]{figs_0039.png}
- \caption{Cannyjev detektor primer 5.}
- \label{slika1}
- \end{center}
- \end{figure}
- \begin{figure}[htbp]
- \begin{center}
- \includegraphics[scale=0.3]{figs_0063.png}
- \caption{Cannyjev detektor primer 6.}
- \label{slika1}
- \end{center}
- \end{figure}
- \begin{figure}[htbp]
- \begin{center}
- \includegraphics[scale=0.3]{figs_009.png}
- \caption{Cannyjev detektor primer 7.}
- \label{slika1}
- \end{center}
- \end{figure}
- \section{Razprava}
- Cannyev detektor deluje dobro - veliko bolje kot sem pričakoval na začetku, in veliko bolje kot Marr-Hildrethov, ki sem ga prav tako sprobal.
- Prepričan sem da bi se lahko našel kakšen nov pristop za tresholding, ki bi dajal boljše rezultate. Uporaba detektorja je zelo odvisna od situacije, zato težko razpravljamo o izboljšavah.
- \bibliographystyle{plain}
- \bibliography{M335}
- \end{document}
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement