روشی سریع و دقیق برای شمارش و بخش‏بندی اشیا دانه‏ای به کمک پردازش تصاویر دیجیتال

نویسندگان

چکیده

شمارش تعداد اشیا با استفاده از پردازش تصاویر از جنبه‏های مختلفی از علوم پزشکی و زیست‏شناسی تا کشاورزی، مطالعات ژنتیکی و اصلاح نباتات دارای اهمیت زیادی است. اگرچه تحقیقات زیادی به منظور تشخیص اشیا در پردازش تصاویر انجام شده است اما اغلب شمارش اشیا ساده‏تر و سریعتر از تشخیص است، به این دلیل در برخی موارد یک شی می‏تواند شمرده شود بدون اینکه تشخیص داده شود. در این تحقیق یک الگوریتم جدید برای شمارش اشیا دانه‏ای بدون تشخیص و شناسایی ارائه شده‏است. این روش می‏تواند علی‏رغم وجود نویز در تصویر دیجیتال به درستی کار کند. روش ارائه شده بر مبنای الگوریتم تبدیل فاصله است و همچنین خطا در نتایج تاحد زیادی مستقل از اندازه اشیا هستند و به شکل آنها بستگی دارند. نکته دیگر در این روش استفاده از تشخیص لبه است؛ برای این منظور یک لبه کامل نیاز نیست بلکه در این روش حتی یک نقطه از لبه در برخی موارد میتواند برای شمارش صحیح اشیا موثر باشد. هر چه لبه‏ها واضح‏تر باشند کارکرد روش ارائه‏شده بهتر است. این ترکیب تشخیص لبه و استفاده از شکل و اندازه اشیا یک ترکیب خوب برای شمارش درست و موثر اشیا است. نتایج در تمام موارد چه در تصاویر با شرایط ایده‏آل و چه در شرایط غیرایده‏آل برتری روش ارائه شده را نشان داد. در شرایط مختلف بسته به نوع شی و شرایط تصویر برداری برخی از روش‏ها قابل انجام بودند و برخی امکان انجام نداشتند اما نتایج نشان داد که در تمام شرایط مورد بررسی در این پژوهش روش ارائه شده در این مقاله امکان انجام داشت.

کلیدواژه‌ها

عنوان مقاله [English]

A fast and accurate method for counting and segmentation of granular objects by using image processing

نویسندگان [English]

  • Mahmood Reza Golzarian
  • Mohsen Alipour
  • Mohammad Hossein Aghkhani

چکیده [English]

Counting the number of objects using image processing is very important in many aspects from medical science and biology to agronomy, genetic study and plant breeding. Although many studies were implemented for detecting the objects in image processing but the counting objects is easier and faster than recognition, because in some cases, an object can be counted and not be detected. In this study, a new algorithm is presented to count the granular objects without detection and recognition. This method can work correctly in despite of some noise in image. Presented method is based on distance-transform and because of this, the results almost are independent on size and depend on shape of objects and in other hand this method is relatively simple and fast. The other strength of this method is to use from detected edges. Not only perfect edge is not needed but also even one pixel from edge in some cases can be effective for counting correctly. The sharper edges are more helpful in this method. This is a good combination of detecting edge and using shape and size to count correctly. The results showed that in all of conditions, ideal or natural, the proposed method was better than the other investigated methods. Some of investigated methods were implemented only in special condition or special shape of objects but results showed that our method is capable in all of the investigated conditions. Disadvantage of this method is that it does not work on star shape objects unless changes to convex shape with morphological transforms. In spite of the good results, sharp edges and a good binary image of objects guarantee an acceptable counting result. The presented segmented image as graphical output is a valuable instrument for object recognition in machine vision systems. This method is recommended for counting plant seeds, especially convex seeds.

کلیدواژه‌ها [English]

  • seed counter
  • shape detection
  • image segmentation
  • Image Processing
  • granular objects
  • distance-transform