Ziel
- Verstehen Sie, was Kantenerkennung ist und wie sie bei der Bildklassifizierung nützlich sein kann.
- Erfahren Sie, wie Kerne verwendet werden, um Kanten in einem bestimmten Bild zu identifizieren.
Notiz: Wenn Sie mehr daran interessiert sind, Konzepte in einem audiovisuellen Format zu lernen, wir haben diesen vollständigen Artikel im Video unten erklärt. Wenn dies nicht der Fall ist, du kannst weiterlesen.
Einführung
Fangen wir mit einem Beispiel an. Angenommen, wir haben Ihnen die Aufgabe zugewiesen, eine Reihe von Bildern in Autos zu klassifizieren, Tiere und Menschen. Hier sind viele Bilder. Kannst du zwischen den Objekten unterscheiden?? Ziemlich einfach, Wahrheit?
Jawohl, Wir können die Autos leicht identifizieren, die Tiere und der Mensch in den Bildern oben. Betrachten wir nun einen weiteren Satz von Bildern, wie unten gezeigt.
Kannst du die Bilder noch leicht klassifizieren? Ich glaube schon, Wir können deutlich sehen, dass es zwei Autos gibt, zwei Tiere und eine Person.
Aber, Was ist der Unterschied zwischen diesen beiden Bildersätzen?? gut, im zweiten Fall eliminieren wir die Farbe, der Hintergrund und andere feine Details der Bilder. Wir haben nur die Kanten und Sie können die Objekte im Bild immer noch identifizieren.
Dann, für ein beliebiges Bild, wenn wir nur die Kanten extrahieren und das Rauschen aus dem Bild entfernen können, wir könnten das bild noch einordnen.
Was ist Kantenerkennung??
Wie wir wissen, der Computer sieht die Bilder in Form von Matrizen. Wie hier gezeigt.
In diesem Fall, Wir können die Kanten eindeutig identifizieren, indem wir uns die Zahlen oder Pixelwerte ansehen. Dann, wenn man sich die Zahlenmatrix genau anschaut, es gibt einen signifikanten Unterschied zwischen den Pixelwerten am Rand. Der schwarze Bereich im Bild links wird durch niedrige Werte dargestellt, wie im zweiten Bild gezeigt. Ähnlich, der weiße Bereich wird durch die größten Zahlen dargestellt.
Kantenerkennung ist eine Bildverarbeitungstechnik, um die Grenzen eines Objekts im gegebenen Bild zu finden.
Dann, um zusammenzufassen, Kanten sind der Teil des Bildes, der die Grenze oder Form des Objekts im Bild darstellt. Was ist mehr, Pixelwerte am Rand zeigen einen signifikanten Unterschied oder eine plötzliche Änderung der Pixelwerte.
Basierend auf dieser Tatsache, wir können erkennen, welche Pixel die Kante darstellen oder welche Pixel sich auf der Kante befinden.
So extrahieren Sie die Kanten eines Bildes?
Sobald wir die Vorstellung von den Kanten haben, Lassen Sie uns nun verstehen, wie wir die Kanten eines Bildes extrahieren können. Sagen wir, Wir nehmen einen kleinen Teil des Bildes. Wir können die Pixelwerte mit den umgebenden Pixeln vergleichen, um herauszufinden, ob ein bestimmtes Pixel am Rand liegt.
Zum Beispiel, wenn ich das Zielpixel nehme 16 und ich vergleiche die Werte links und rechts. Hier sind die Werte 10 Ja 119 beziehungsweise. Deutlich, es gibt eine signifikante Änderung der Pixelwerte. Dann, Wir können sagen, dass das Pixel am Rand ist.
Bedenkt, dass, wenn du dir die Pixel im folgenden Bild ansiehst. Pixelwerte links und rechts vom ausgewählten Pixel haben keinen signifikanten Unterschied. Deswegen, Wir können sagen, dass dieses Pixel nicht am Rand ist.
Jetzt stellt sich die Frage, ob wir uns hinsetzen und diese Werte manuell vergleichen müssen, um die Kanten zu finden. Gut, offensichtlich nicht. Für die Hausaufgaben, Wir können ein Array verwenden, das als bekannt ist el Kernel und Multiplikation mit Elementen durchführen.
Sagen wir, auf dem ausgewählten Teil des Bildes, Ich multipliziere alle Zahlen links mit -1, alle Zahlen rechts mit 1. Auch alle Zahlen in der mittleren Reihe mit 0. In einfachen Worten, Ich versuche den Unterschied zwischen dem linken und rechten Pixel zu finden. Wenn diese Differenz größer als ein Schwellenwert ist, Wir können daraus schließen, dass es ein Vorteil ist.
Im obigen Fall, die Nummer lautet 31, das ist keine große Zahl. Deswegen, dieses Pixel ist nicht am Rand.
Nehmen wir einen anderen Fall, hier ist das hervorgehobene Pixel mein Ziel.
In diesem Beispiel, Das Ergebnis ist 354, was deutlich hoch ist. Deswegen, wir können sagen, dass das angegebene Pixel am Rand liegt.
Filter / Kernel
Diese Matrix, womit berechnen wir die differenz, bekannt als Filter oder Kernel. Dieser Filter gleitet durch das Bild, um eine neue Matrix namens . zu erzeugen Feature-Karte. Die Feature-Map-Werte geben an, ob sich das jeweilige Pixel am Rand befindet oder nicht.
Der Kernel, den wir im vorherigen Beispiel verwendet haben, heißt Prewitt-Kernel in X-Richtung. Da es die Werte auf der horizontalen Achse vergleicht. Ähnlich, einen Prewitt-Kernel in Y-Richtung haben. Was ist mehr, wir haben den Sobel-Kernel in X- und Y-Richtung.
Bei Sobel-Kernen, Pixelwerte direkt neben dem Zielpixel werden höher bewertet.
Abschließende Anmerkungen
Zusammenfassend, Pixel am Rand haben einen signifikanten Unterschied in den Werten. Wir können die Werte benachbarter Pixel vergleichen, um die Kante zu finden. Was ist mehr, ein Array oder Kernel wird verwendet, um die Werte zu vergleichen. Je größer der Unterschied zwischen dem linken und rechten Pixel, das Ziel ist näher am Rand. Ähnlich, Reduzieren Sie den Unterschied: das Pixel ist nicht am Rand.
Wenn Sie Ihre Data Science-Reise beginnen möchten und alle Themen unter einem Dach haben möchten, deine Suche endet hier. Werfen Sie einen Blick auf den zertifizierten KI- und ML-BlackBelt von DataPeaker Plus Programm
Lassen Sie uns wissen, wenn Sie Fragen zur Kantenerkennung in den Kommentaren unten haben..
