Detektering og klassificering af kimplanter ved brug af computer vision

7 Binary 7.2 Teori
Som det ses af histogrammet, er der en meget stor peak ved de lavere pixelintensiteter, som kommer
af den dominerende mørke baggrund i billedet. Ydermere er der en mindre peak omkring 150 i
pixelintensitet, som kommer af de lyse kim i forgrunden. Det er tydeligt at se fra histogrammet, at
vælger man en pixelintensitet omkring 70, vil man skelne forgrunden fra baggrunden. Det er dog
ikke altid at en thresholdværdi på 70 vil være rigtigt, da ændringer i lysforhold og kimtyper kan gøre
at begge peaks vil ligge andetsteds i histogrammet. Derfor vil det være hensigtsmæssigt at anvende
en automatiseret proces der kan finde ”dalen” i histogrammet mellem de to peaks.
Histogrammets udseende afhænger af mange faktorer. På billedet, der er anvendt som eksempel, er
følgende tilstande gældende:
1. Ensartet belysning i hele billedet
2. Der er stor kontrastforskel mellem forgrund og baggrund
3. Der er meget lidt genskin fra lyskilder
4. Der er mere baggrund end forgrund i billedet
En ændring i hver af disse parametre (1-4) vil give hver sin type af ændring (a-d) i histogrammet:
a) Forestiller man sig f.eks. at et hjørne er mere belyst end de andre vil de lyse områder, der er
større end thresholdværdien, blive opfattet som forgrund. For at løse dette kunne man lave
et gradient-map. Dette map gør at det er muligt at have forskellige thresholdværdier
forskellige steder i billedet. På den måde er der ikke én fast thresholdværdi for hele billedet
men thresholdværdier for områder i stedet. Dette gør, at selvom dele af billedet er mere lyse
end andre, så vil disse områder ikke nødvendigvis blive betragtet som forgrund, da der
eksisterer en relativ thresholdværdi for det område, der sikrer at thresholdingen matcher
lysforholdene i det område.
b) Hvis der ikke eksisterer et stort kontrastforhold mellem kimene og baggrunden, vil den
mindre peak mod højre ligge længere til venstre. Ved særligt lave pixelintensiteter vil den lille
peak, som kommer fra tilstedeværelsen af kimene, være sammenfaldende med den store
peak og det vil være svært algoritmemæssigt at skelne forgrund fra baggrund ved brug af
histogrammet.
c) Ved genskin vil det give ”falske kim” i billedet. Genskinnet vil sandsynligvis ligge over
thresholdværdien og vil derfor blive betragtet som forgrund. Dermed vil den mindre peak
fra kimene være større på et falskt grundlag, og den store peak med baggrundspixels være
tilsvarende mindre.
d) Skulle det være tilfældet at der er mere forgrund end baggrund i billedet, vil histogrammet se
ud som det i eksemplet, bare spejlet omkring midten (127 pixelintensitet), dvs. den store
peak vil ligge mod højre.
Punkterne beskrevet i a-d er alle emner, der regnes for ikke at være gældende i de billeder, der skal
analyseres af algoritmen.
7.2.2 Iterativ thresholding-teknik
Ridler og Calvards iterative thresholding-teknik, har til formål at finde ”dalen” imellem de 2 store
peaks i histogrammet. Trussel [5:311] beskriver en matematisk løsning på Ridler og Calvards teknik
som:
Side 24 af 131