Robert Koprowski, Regina Tokarczyk, Zygmunt Wróbel ... - AGH

Robert Koprowski, Regina Tokarczyk, Zygmunt WróbelLCORRgdzie:( m,n)=3∑k=1⎡⎢⎢⎢⎢⎢⎢⎣L⎛⎜⎜⎝MFNF∑∑( LF_RGB( mF,nF,k)− LRGB) H1( mF,nF)( − H1)M2F NFMFNF∑∑( L ( ) − ) ⎟⎜F_RGBmF,nF,kLRGB∑∑ H1( mF,nF)mF= 1nF = 1F_RGBmF= 1nF = 1=MF1⋅ NMNF F∑∑F mF= 1nF=1LF_RGB⎞⎛⎟⎜⎠⎝mF= 1nF = 1( m ,n , k)FF( − H1)2⎤⎥⎥⎥⎞ ⎥⎟ ⎥⎟⎠ ⎥⎦(1)(2)H1 =MF1⋅ NFMF F∑∑m = 1n= 1FNF( , )H1 mF n FM F , N F - liczba wierszy i kolumn zarówno maski H1 jak teŜ analizowanego fragmentuobrazu L RGB (z definicji mająca tą samą liczbę wierszy i kolumn),H1- maska.Kolejnym etapem jest progowanie otrzymanego obrazu L CORR a następnieetykietowanie i obliczanie środka cięŜkości obiektów. Ze względu jednak na małąrozdzielczość obrazu oraz błędy wprowadzane w czasie akwizycji markery widoczne naobrazie L RGB nie są tej samej jasności, przez co algorytm nie wykrywa w praktyce ok. 20 %markerów. W związku z tym dokonano pierwszej modyfikacji polegającej na zmianiekryterium rozpoznawania markerów.(3)4.2. Automatyczna lokalizacja markerówPrzynosząca oczekiwane rezultaty (prawidłowe wyznaczenie ok. 99 % markerów)metoda została oparta o elementy analizy morfologicznej (Lee et al., 2002; Min et al.,2004; Park et al., 2000). Obraz wejściowy L RGB został poddany operacji dylatacjielementem kwadratowym strukturalnym o rozmiarze M SE1 xN SE1 =3x3 dla kaŜdej składowejRGB, tj. w uproszczeniu:L m,n, k = min (L (m,n,(4)ERGBdla k=1,2 i 3 (kolejne składowe RGB)( ) k))m,n∈SE1Następnie przeprowadzono konwersję otrzymanego obrazu L ERGB do obrazu zpoziomami szarości L GRAY wykorzystując zaleŜność:LGRAY( m,n)=RGB[ 0.2989 0.5870 0.1140]⎡ L⋅⎢⎢L⎢⎣LERGBERGBERGB( m,n,1)⎤( m,n,2)⎥⎥( m,n,3)⎥⎦(5)308