Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu çalışmada, daha geniş işleç boyutlarının kullanılmasını sağlayan, gradyan işleçlerinden önce uygulanabilecek bulanık topolojiye dayalı bir yöntem önerilmektedir.
📌 3 Maddede Bu Makale
Özet
Görüntü işlemede kenar bulma, görüntülerde piksel değerlerinin değiştiği yerlerin bulunmasıdır. İlk yöntemler, doğrusal süzgeç ve yönlü türeve dayalı basit işleçlerdi. Türevin yaklaşık olarak hesaplanmasına dayanan bu yöntemlerin en önemli sorunlarından biri, küçük işleç genişlikleri nedeniyle, gürültüye karşı hassas olmalarıdır. Yakındaki nesnelerin kenarlarının da o yerdeki türeve etki etmesini engellemek için küçük genişlikle işleçlerin kullanımı yaygındır. Bu çalışmada, daha geniş işleç boyutlarının kullanılmasını sağlayan, gradyan işleçlerinden önce uygulanabilecek bulanık topolojiye dayalı bir yöntem önerilmektedir. Bu yöntem, adım kenarlarla birlikte yavaş değişim gösteren yokuş kenarlarda türevin etki alanını sınırlandırarak daha ince kenar çizgilerinin oluşmasını sağlamaktadır. Önerilen yöntemin uygulandığı sentetik ve doğal görüntüler üzerinde yapılan inceleme sonucu, gradyan işlecinin tepkisinin kenar dışına taşmasının engellendiği ve düz alanlarda gürültünün daha iyi bastırıldığı anlaşılmıştır.
Abstract
Edge detection in image processing is the task of locating pixel value variations in images. First methods were directional derivative based linear filters. One of the most important problems of these methods that are based on computation of approximate derivative were their sensitivity to noise due to small kernel sizes. Small kernels are widely used to avoid the effect of nearby objects. In this work, we propose a fuzzy topology based method that allows the use of larger gradient kernels. This method produces thin gradient lines by limiting the support +area of gradient kernels for slowly varying ramplike edges. By applying the proposed method on synthetic and natural images, it is observed that it decreases the output area around the edge and suppresses noise on constant image areas.