0

HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

6 14 0
  • HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Tài liệu liên quan

Thông tin tài liệu

Ngày đăng: 14/01/2021, 14:19

Trong bài báo này nhóm tác giả đề xuất một phương pháp mới áp dụng hình thái học có định hướng để tách các đối tượng bị dính nhau trong ảnh để đưa độ chính xác kết quả của các quá trì[r] (1)HÌNH THÁI HỌC CĨ ĐỊNH HƯỚNG VÀ ỨNG DỤNG TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH Phạm Đức Long Trường Đại học Công nghệ Thông tin Truyền thông – ĐH Thái Nguyên TÓM TẮT Đếm đối tượng ảnh toán đặt nhiều thực tế đếm tế bào, đếm hồng cầu máu qua ảnh từ kính hiển vi điện tử, đếm sản phẩm công nghiệp qua camera công nghiệp… Khó khăn lớn với việc đếm xử lý ảnh ảnh đối tượng cần đếm thường dính với gây kết sai khác so với thực tế Cho đến có nhiều phương pháp làm tăng độ xác kết đếm xử lý ảnh Tuy nhiên kết phương pháp chưa cho độ xác 100% Trong báo nhóm tác giả đề xuất phương pháp áp dụng hình thái học có định hướng để tách đối tượng bị dính ảnh để đưa độ xác kết q trình đếm có khả đạt đến độ xác tuyệt đối số ứng dụng công nghiệp Thực nghiệm thực ảnh bó thép cho số lượng thép có bó đạt độ xác tuyệt đối Kết ứng dụng thay cho việc đếm thủ công nhà máy cán thép Từ khóa: đếm xử lý ảnh; hình thái học; phép dãn nở; phép co; đếm xử lý ảnh; biến đổi khoảng cách. Ngày nhận bài: 27/3/2020; Ngày hoàn thiện: 13/5/2020; Ngày đăng: 21/5/2020 ORIENTED MORPHOLOGY AND APPLICATION TO COUNT THE NUMBER OF STEELBARS IN THE BUNCHES BY IMAGE PROCESSING Pham Duc Long TNU – University of Information and Communication Technology ABSTRACT Counting objects in the image is a problem in the practice such as counting cells, counting red blood cells through images from electron microscopes, counting industrial products via industrial cameras The biggest difficulty with counting by image processing is the images of the objects are often touch together That is causing erroneous results compared with the reality result So far, many methods have been used to increase the accuracy of results However, the results of these methods are not yet accurate to 100% In this paper, we propose a new method of applying oriented morphology to separate objects touch together in the image to bring the absolutely accuracy of the counting results in some applications in industry The counting experiment was performed on photos of steel bundles The result of counting the number of rebar in a bundle can reach absolute accuracy This method can be applied instead of manual counting in existing steel mills Keywords: counting by image processing; morphology; dilation; erossion; counting by image processing; distance transform Received: 27/3/2020; Revised: 13/5/2020; Published: 21/5/2020 (2)1.Giới thiệu Nhu cầu đếm đối tượng có nhiều thực tiễn Đếm thủ công mắt phương pháp tự nhiên, có lâu đời Nhưng ngày việc đếm thủ cơng khơng cịn đáp ứng tốc độ xuất tồn đối tượng cần đếm nhanh, số lượng đối tượng cần đếm vơ lớn, đối tượng nhóm dính chồng lấn lên Với đối tượng xuất có quy luật sản phẩm dây chuyền sản xuất người ta dùng cảm biến kết hợp máy tính vi xử lý để đếm Có nhiều loại cảm biến dùng cho nhu cầu phát đếm cảm biến hồng ngoại, điện dung, ánh sáng, siêu âm,… Tuy nhiên có nhiều tốn đếm khơng thể áp dụng mơ hình đếm dùng sensor Ví dụ nhu cầu đếm số lượng hồng cầu máu, đếm tế bào nghiên cứu [1], đếm số thép bó thép [2], [3], đếm số cá bể [4], đếm sản phẩm nông nghiệp [5], đếm trứng muỗi, trứng tằm giống [6],… Trong trường hợp này, nhóm tác giả đếm đối tượng qua ảnh (hoặc video chúng) Phần tiếp sau nhóm tác giả trình bày số kỹ thuật đếm xử lý ảnh kỹ thuật phụ trợ áp dụng Với ảnh nhị phân quy ước điểm ảnh ‘0’ ảnh đối tượng ‘1’ Quá trình đếm xử lý ảnh hình Hình Quá trình đếm đối tượng qua ảnh Khó khăn phải giải đếm xử lý ảnh độ xác đếm với ảnh có đối tượng chạm hay chồng lấn với hình Hình Ảnh đối tượng ảnh dính với Độ xác đa số trường hợp chưa đạt mức tuyệt đối [7] Cũng có nhiều phương pháp tách đối tượng [8]-[10] Những biện pháp tách đối tượng đơn giản thường dùng là: Dùng hình thái học kinh điển (dùng erosion hình ảnh trắng đen dùng dilation ngược lại) Hình Dùng erosion để tách đối tượng dính nhau ảnh Nhược điểm phương pháp khơng khống chế số lần lặp ảnh đối tượng bị giảm kích thước dần đến (mất đối tượng) dẫn đến kết đếm sai Gradient Morphology Gradient Morphology kiểu hình thái học có định hướng Serge Beucher tác giả [11] đưa năm 1992 Hai đặc điểm hình thái học gradient hướng độ lớn Với trường hợp liên tục rời rạc Tìm hướng theo véc tơ tiếp tuyến biên xác định: ) / arctan( ) (g gx gy dir == (1) Với gx gy tọa độ theo phương x phương y tọa độ Đề điểm tiếp tuyến với đường biên Độ lớn:     2 ) ( ) ( lim ) ( 0 f f f g = B −B → (2) Trong đó: B(f)B(f) biểu diễn phép dilation erosion f với đĩa B bán kính  Như vậy, tốn tử morphological gradient có tác dụng làm biên trường hợp độ sáng tối sáng đối tượng Với nhu cầu chia tách đối tượng dính ảnh khơng có tác dụng (3)Hình Tách đối tượng dính sử dụng Distance Transform Phương pháp có nhiều ưu điểm áp dụng nhiều trường hợp 2 Phương pháp hình thái học có định hướng Trong phần nhóm tác giả đưa phương pháp dùng để thực hình thái học định hướng (Oriented Morphology – OM) vào đặc điểm cụ thể ảnh để đưa hướng thực hình thái học nhằm mục đích tách đối tượng ảnh bị chạm để đếm cho xác Nhóm tác giả quy ước hướng ảnh hình 5: Hình Quy ước hướng ảnh với thực hiện OM Trong ảnh có nhiều đối tượng chạm nhau, sử dụng mặt nạ mask (đối xứng không đối xứng) bình đẳng với pixel ảnh thực hình thái học nhằm thu nhỏ đối tượng để tách đối tượng chạm hiệu chắn khó theo yêu cầu Nhiều thực lặp phép hình thái học đến mức diện tích đối tượng khơng chưa tách đối tượng chạm Tuy nhiên, tìm vị trí có biểu hai hay nhiều đối tượng chạm vị trí xác định hướng cần thực hình thái học hiệu tăng lên nhiều Khảo sát hình bó thép qua biến đổi Giả sử lấy hai nhóm đối tượng có ảnh chạm hình 6(d) 6(f), thấy rằng: Khi thực hình thái học theo hướng theo chiều cặp mũi tên đối tượng chạm tách kích thước nguyên thủy khơng bị thay đổi Hình Ảnh bó thép sau qua xử lý Vị trí đối tượng chạm hướng chạm thực tế Tuy nhiên, quy hướng X-X, Y-Y, Y-X-X, X-Y hình Chiều thực quy ước sau: Theo phương X-X Y-Y chiều dương chiều dương trục x y tọa độ Đề Chiều dương trục Y-X chiều từ góc phần tư thứ tư tới góc phần tư thứ hai vòng tròn lượng giác; ngược lại chiều âm Chiều dương trục X-Y chiều từ góc phần tư thứ ba sang góc phần tư thứ vòng tròn lượng giác; ngược lại chiều âm Tìm điểm hướng thực OM điểm đó: Hình Các vị trí hướng thực OM Trên đoạn biên liên tục: + Tính góc  tiếp tuyến biên với trục x-x, y-y, xy, yx: Khi khảo sát điểm thắt theo hướng Y-Y tính  với trục vng góc với Y-Y tức trục X-X Khoảng khảo sát từ 00 đến 3600 Chúng ta cần tìm điểm lõm nên  có giá trị thay đổi từ góc phần tư thứ (khoảng 00 đến 900) sang giá trị góc phần tư thứ (khoảng 900 đến 1800) có nghĩa (4)thay đổi từ góc phần tư thứ ba (khoảng 1800 đến 2700) sang giá trị góc phần tư thứ (khoảng 900 đến 1800) có nghĩa có điểm thắt theo hướng Y-Y chiều +Y Tương tự với hướng X-X, X-Y Y-X Hình Góc thay đổi qua trục thể điểm lõm (a) lồi (b) biên Hình Điểm A đổi chiều gradient theo hướng Y-Y + Tìm tọa độ điểm thắt mà góc  đổi chiều để thực OM Hình 10 Tìm tọa độ điểm thực OM Ảnh ma trận I [i,j] với i=0 M-1; j=1 N-1 I[i,j]{0,1}; Gốc tọa độ ảnh góc bên trái Như vậy, hình 10 tọa độ A (i=5, j=1), B (i=5, j=5),… Các mặt nạ tương ứng với trường hợp hình 11: Hình 11 Các mặt nạ hình thái học theo hướng a) X-X, b) Y-Y c) Y-X d) X-Y Số lần lặp thực OM chọn = k* (bề dày đối tượng), k phụ thuộc hướng OM Chẳng hạn: K = ½ đường kính hình trịn tương đương với đối tượng (với đối tượng thép) Với trường hợp khác việc chọn tùy theo hình dáng cụ thể đối tượng khả chạm đối tượng Thuật tốn đếm dùng kỹ thuật OM: Chú thích: Scb : Diện tích trung bình đối tượng đơn cần đếm +  : ngưỡng sai số số lượng pixel so với giá trị trung bình Được lấy qua thực nghiệm phụ thuộc thuộc tính ảnh (độ phân giải) phụ thuộc loại đối tượng cần đếm ảnh +  : cặp giá trị chứa vị trí điểm thắt hướng so với gốc tọa độ ảnh + N: số đối tượng tổng; N1,2,3 : số đối tượng bước trung gian Bắt đầu Thu ảnh nhóm đối tượng cần đếm P0 Tăng cường ảnh P0; P=Nhị phân hóa (P0); Tính Scb Closing(P) Tính diện tích nhóm đối tượng P; P=Nhị phân hóa (P0); Trong P: xóa nhóm có diện tích Si<Scb -  C inc(N1); inc(i); xóa đối tượng Si; P1=Tìm biên (P); Trên P1: Xác định cặp giá trị  chứa vị trí các điểm thắt hướng so với gốc tọa độ ảnh (tọa độ hướng thay đổi XX, YY, YX, XY); Trên P: Tại vị trí hướng tương ứng  sử dụng mặt nạ tương ứng hình 11 thực OM N2=0; j=1; N1=0; i=1; Si<=Scb+? (5)Hình 12 Thuật tốn đếm đối tượng ứng dụng hình thái học có định hướng 3 Thực nghiệm đếm số thép bó thép Kỹ thuật áp dụng nhiều trường hợp đếm xử lý ảnh mà ảnh chúng có tiếp xúc đối tượng đếm hồng cầu, tế bào nói Nhóm tác giả thử nghiệm phương pháp cho ứng dụng thực tế đếm số lượng thép bó thép từ ảnh đầu bó thép Đặc điểm ảnh đầu bó thép các đầu thép chồng lấn lên nhau nên ảnh chúng dính nhau mà không chờm lên Ảnh chụp loại máy ảnh kỹ thuật số SONY có độ phân giải thường 10 Mega pixel, ống kính tiêu cự 50 mm với ánh sáng thường, khơng đèn Sau ảnh đem thực đếm thuật tốn hình 12 Số ảnh xử lý với loại đường kính () khác 50 ảnh khác Kết bảng Bảng Độ xác kết đếm qua ảnh đầu bó thép Loại thép Số ảnh xử lý bằng đầu Bó thép Bó thép khơng đầu 10 vằn 50 100% 92% 12 vằn 50 100% 95% > 14 50 100% 100% + Độ xác chương trình so sánh với độ xác đếm mắt thường + Lý sai số trường hợp đầu bó thép khơng có vài thép bị thụt vào cho ảnh bé chí khơng thấy hình 13 Trong thực tế điều giải cách dùng cấu khí “vỗ” cho đầu thép để có ảnh trường hợp đầu + Với bó thép đầu kết đạt 100% Hình 13 Ảnh số thép bị tụt vào sử dụng thực nghiệm 4 Kết luận Trong báo này, nhóm tác giả trình bày phương pháp đếm xử lý ảnh ảnh đối tượng cần đếm, có ảnh số đối tượng dính với Phương pháp thực cách tìm điểm thắt để sử dụng hình thái học có định hướng nhằm tách đối tượng dính Phương pháp thực nghiệm ảnh đầu bó thép cho độ xác ứng dụng thực tế đầu bó Với đầu bó thép khơng độ xác chưa đạt 100% Để khắc phục dùng biện pháp hỗ trợ khí vỗ cho đầu bó thép để thu ảnh đầy đủ Phương pháp Sj<=Scb+? inc(N2); inc(j); xóa đối tượng Sj; N3=0; k=0; C K Sk>=2Scb+? N2=N2+Sk/Scb; inc(k); xóa đối tượng Sj; C K Kết thúc ; 1 N N N (6)có thể áp dụng với trường hợp cần đếm đối tượng khác nói chung khơng phải thép ảnh chúng dính TÀI LIỆU THAM KHẢO/ REFERENCES [1] S Khan, A Khan, F S Khattak, and A Naseem, “An Accurate and Cost Effective Approach to Blood Cell Count,” International Journal of Computer Applications (0975 – 8887), vol 50, no.1, pp 18-24, 2012 [2] W Hou, Zh Duan, and X Liu, “A Template Covering based Algorithm to Count the Bundled Steel Bars,” 2011 4th International Congress on Image and Signal Processing, 2014, pp 1813-1816 [3] Z Nie, M.-H Hung, and J Huang, “A Novel Algorithm of Rebar Counting on Conveyor Belt Based on Machine Vision,” Journal of Information Hiding and Multimedia Signal Processing, vol 7, no 2, pp 425-437, 2016 [4] C Spampinato, Y.-H Chen-Burger, G Nadarajan, and R B Fisher, “Detecting Tracking and Counting Fish in Low quality Unconstrained Underwwater Videos,” Proceedings of the Third International Conference on Computer Vision Theory and Applications, 2008, pp 514-519 [5] R Hussin, M Rizon Juhari, N W Kang, R C Ismail, and A Kamarudin, “Digital Image Processing Techniques for Object Detection From Complex Background Image,” Procedia Engineering 340 – 344, International Symposium on Robotics and Intelligent Sensors (IRIS 2012), 2012, pp 340-344 [6] R Kawade, T Dhamale, and D Dhake, “Image Processing Based Silkworm Egg Counting Methods,” IOSR Journal of Engineering (IOSR JEN), vol ?, pp 56-60, 2019 [7] A Pandit, and J Rangole, “Literature Review on Object Counting using Image Processing Techniques,” International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, vol 3, no 4, pp 8509-8512, 2014 [8] D Casasent, A Talukder, W Cox, H.-T Chang and D Weber, “Detection and Segmentation of Multiple Touching Product Inspection, Items,” Proceedings Volume 2907, Optics in Agriculture, Forestry, and Biological Processing II, 1996, pp 205-216 [9] J G A Barbedo, “A Review on Methods for Automatic Counting of Objects in Digital Images,” IEEE Latin America Transactions vol 10, no 5, pp 2112-2124, 2012 [10] Q Yao, Y Zhou, and J Wang, “An Automatic Segmentation Algorithm for Touching Rice Grains Images,” IEEE International Conference on Audio, Language and Image Processing, 2010, pp 802-805 [11] S Beucher, P Soille, and J F Rivest,
- Xem thêm -

Xem thêm: HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH, HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình ảnh liên quan

Hình 2. Ảnh các đối tượng trong ảnh dính với nhau - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 2..

Ảnh các đối tượng trong ảnh dính với nhau Xem tại trang 2 của tài liệu.
Hình 1. Quá trình đếm đối tượng qua ảnh - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 1..

Quá trình đếm đối tượng qua ảnh Xem tại trang 2 của tài liệu.
Hình 4. Tách các đối tượng dính nhau sử dụng Distance Transform  - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 4..

Tách các đối tượng dính nhau sử dụng Distance Transform Xem tại trang 3 của tài liệu.
Hình 5. Quy ước các hướng trong ảnh với thực hiện OM - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 5..

Quy ước các hướng trong ảnh với thực hiện OM Xem tại trang 3 của tài liệu.
2. Phương pháp hình thái học có định hướng - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

2..

Phương pháp hình thái học có định hướng Xem tại trang 3 của tài liệu.
Hình 9. Điể mA đổi chiều gradient theo hướng Y-Y - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 9..

Điể mA đổi chiều gradient theo hướng Y-Y Xem tại trang 4 của tài liệu.
Hình 8. Góc  thay đổi qua các trục thể hiện các - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 8..

Góc  thay đổi qua các trục thể hiện các Xem tại trang 4 của tài liệu.
Hình 12. Thuật toán đếm đối tượng ứng dụng hình thái h ọc có định hướng  - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 12..

Thuật toán đếm đối tượng ứng dụng hình thái h ọc có định hướng Xem tại trang 5 của tài liệu.
Hình 13. Ảnh một số cây thép bị tụt vào trong sử - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Hình 13..

Ảnh một số cây thép bị tụt vào trong sử Xem tại trang 5 của tài liệu.
Bảng 1. Độ chính xác kết quả đếm qua ảnh đầu - HÌNH THÁI HỌC CÓ ĐỊNH HƯỚNG VÀ ỨNG DỤNG  TRONG ĐẾM SỐ CÂY THÉP TRÊN ẢNH

Bảng 1..

Độ chính xác kết quả đếm qua ảnh đầu Xem tại trang 5 của tài liệu.

Từ khóa liên quan