هنا

[تنتونة]

السلام عليكم

اذا ممكن اريد شرح عن فلتر SOBEL وكيفية الية العمل علة الصورة الي يستخدم في معالجة الصور لان احتاجة بمشروعي التخرج ياريت بلعربي واكون ممنونة

[محمد البصراوي]

[محمد البصراوي]

• . واحدة من تلافيف الأكثر أهمية هو حساب المشتقات في صورة (أو ترسم لهم).
  
• لماذا قد تكون مهمة في حساب التفاضل والتكامل للمشتقات في الصورة؟ دعونا نتخيل أننا نريد للكشف عن حواف موجودة في الصورة. على سبيل المثال:
  
  يمكنك بسهولة أن تلاحظ في الحافة، يغير كثافة بكسل بطريقة سيئة السمعة. وهناك طريقة جيدة للتعبير عن التغيرات هو عن طريق استخدام المشتقات. تغيير عالية في الانحدار يشير إلى تغيير كبير في الصورة.
• لتكون أكثر الرسومية، دعونا نفترض لدينا 1D الصورة. ويرد على حافة طريق في "قفزة" في شدة في المؤامرة أدناه:
  
  
• في "القفزة" حافة يمكن أن ينظر إليه بسهولة أكبر إذا ما أخذنا في المشتقة الأولى (في الواقع، تظهر هنا كحد أقصى)
  
  
• لذلك، من التفسير أعلاه، يمكننا أن نستنتج أن طريقة لاكتشاف الحواف في صورة لا يمكن أن يؤديها من خلال تحديد موقع مواقع بكسل حيث التدرج هو أعلى من جيرانها (أو التعميم، وهي نسبة أعلى من عتبة).
• شرح أكثر تفصيلا، يرجى الرجوع إلى التعلم عن طريق OpenCV Bradski وKaehler

سوبل المشغل

• المشغل سوبل هو عامل التمايز منفصلة. فإنه يحسب تقريبي من التدرج من وظيفة كثافة الصورة.
  
• المشغل سوبل يجمع تجانس التمويه والتمايز.

صياغة

على افتراض أن الصورة وسيتم تشغيلها هو :

• نحسب اثنين من المشتقات:
  • التغييرات الأفقي: يتم احتساب ذلك convolving مع النواة مع حجم ونيف. على سبيل المثال لحجم نواة 3، سيتم حسابها على النحو التالي:

    
    
    
  • التغييرات الرأسي: يتم احتساب ذلك convolving مع النواة مع حجم ونيف. على سبيل المثال لحجم نواة 3، سيتم حسابها على النحو التالي:

    
  
  
  
• في كل نقطة من الصورة نحسب تقريبي من التدرج في هذه النقطة من خلال الجمع بين كل من النتائج المذكورة أعلاه:
  
  على الرغم من أن في بعض الأحيان يتم استخدام المعادلة أبسط التالية:

  

مذكرة

عندما يكون حجم النواة هو ، النواة سوبل هو مبين أعلاه قد تنتج أخطاء ملحوظة (بعد كل شيء، سوبل ليست سوى تقريب المشتقة). يتناول هذا OpenCV عدم دقة لحجم حبات من 3 باستخدام SCHARR ظيفة. هذا هو أسرع وقت ولكن أكثر دقة من وظيفة القياسيه سوبل. وتنفذ حبات التالية:

ويمكنك التحقق من مزيد من المعلومات من هذه الوظيفة في إشارة OpenCV ( SCHARR ). أيضا، في نموذج التعليمة البرمجية أدناه، ستلاحظ أن فوق رمز ل سوبل ظيفة هناك أيضا رمز لل SCHARR ظيفة علق. يجب Uncommenting ذلك (والواضح تعليقه الاشياء سوبل) تعطيك فكرة عن كيفية عمل هذه الوظيفة.

كود

• ماذا تفعل هذا البرنامج؟
  
  • ينطبق المشغل سوبل ويولد كإخراج صورة مع حواف الكشف مشرق على خلفية داكنة.
  
  
  
• يظهر رمز البرنامج التعليمي في الأسطر أدناه. يمكنك أيضا تحميل البرنامج من هنا

# تشمل "opencv2/imgproc/imgproc.hpp" # تشمل "opencv2/highgui/highgui.hpp" # # تشمل <stdlib.h> <stdio.h> باستخدام مساحة السيرة الذاتية؛ / ** @ * الوظيفة الرئيسية / كثافة العمليات الرئيسية (الباحث ARGC، شار ** ARGV) {سرك حصيرة، src_gray؛ بساط غراد؛ شار * window_name = "سوبل تجريبي - بسيطة حافة الكاشف"؛ مقياس كثافة العمليات = 1؛ الدلتا كثافة العمليات = 0؛ كثافة ddepth = CV_16S؛ ج كثافة العمليات؛ / / / قم بتحميل تحويله إلى رمادي cvtColor (سرك، src_gray، CV_RGB2GRAY) / / / إنشاء نافذة namedWindow (window_name، CV_WINDOW_AUTOSIZE) / / / توليد grad_x وgrad_y grad_x حصيرة، grad_y؛ بساط abs_grad_x، abs_grad_y؛ / / / التدرج X / / SCHARR (src_gray، grad_x، ddepth، 1، 0، والحجم، دلتا، BORDER_DEFAULT التدرج Y / / SCHARR (src_gray، grad_y، ddepth، 0، 1، الحجم، ودلتا، BORDER_DEFAULT مجموع التدرج

تفسير

• أولا فإننا نعلن من المتغيرات ونحن نذهب لاستخدام:

  سرك حصيرة، src_gray؛
  حصيرة غراد؛
  شار * window_name = "سوبل تجريبي - بسيطة حافة الكاشف"؛
  الباحث مقياس = 1؛
  الباحث دلتا = 0؛
  الباحث ddepth = CV_16S؛
  
  
  
• كالعادة نحن لدينا تحميل الصورة المصدر سرك:

  SRC = imread (ARGV [1])؛
  
  إذا كان (SRC. البيانات!)
  {العودة - 1؛}
  
  
  
• الأولى، ونحن نطبق GaussianBlur لصورتنا للحد من الضوضاء (حجم النواة = 3)

  GaussianBlur (سرك، سرك، والحجم (3، 3)، 0، 0، BORDER_DEFAULT)؛
  
  
  
• الآن نقوم بتحويل صورتنا تصفيتها إلى الرمادي:

  cvtColor (سرك، src_gray، CV_RGB2GRAY)؛
  
  
  
• الثانية، ونحن حساب "المشتقات" في العاشر والاتجاهات ذ. لهذا، علينا استخدام وظيفة سوبل كما هو مبين أدناه:

  grad_x حصيرة، grad_y؛
  abs_grad_x حصيرة، abs_grad_y؛
  
  / / / التدرج X
  سوبل (src_gray، grad_x، ddepth، 1، 0، 3، الحجم، ودلتا، BORDER_DEFAULT)؛
  / / / التدرج Y
  سوبل (src_gray، grad_y، ddepth، 0، 1، 3، الحجم، ودلتا، BORDER_DEFAULT)؛
  

  
  وظيفة يأخذ الوسائط التالية:
  • src_gray: في مثالنا، الصورة المدخلة. ومن هنا CV_8U
    
  • grad_x / grad_y: صورة الإخراج.
    
  • ddepth: عمق الصورة الإخراج. وضعناها لCV_16S لتجنب تجاوز.
    
  • x_order: من أجل المشتقة في العاشر الاتجاه.
    
  • y_order: من أجل المشتقة في اتجاه وذ.
    
  • على نطاق ودلتا وBORDER_DEFAULT: نحن نستخدم القيم الافتراضية.
  
  
  لاحظ أن لحساب التدرج في العاشر الاتجاه نستخدم: و . نفعل بالقياس لاتجاه y.
• نقوم بتحويل النتائج الجزئية عودتنا إلى CV_8U:

  convertScaleAbs (grad_x، abs_grad_x)؛
  convertScaleAbs (grad_y، abs_grad_y)؛
  
  
  
• أخيرا، ونحن نحاول تقريب التدرج بإضافة كل من التدرجات الاتجاه (لاحظ أن هذه ليست عملية حسابية دقيقة على الإطلاق! كنه أمر جيد لأغراضنا).

  addWeighted (abs_grad_x، 0.5، abs_grad_y، 0.5، 0، غراد)؛
  
  
  
• أخيرا، وتبين لنا نتيجة لدينا:

  imshow (window_name، غراد)؛
  
  
  هذا لكيتة بالنت مااعرف اذا يفيدج بشي او لا
  واسف على التقصير
  

[تنتونة]

عاشت الايادي