سه شنبه 26 تیر 1397 | Tuesday 17 th of July 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
4 - 2 - 2 - 2 - نمودار رخداد همزمان رنگ در لبه (CECH)

یکی از مقالات پیشین Haralickو همکارانش‌، تکنیک‌های استوار بر نمودارهای رخداد همزمان به منظور تحلیل بافت و رنگ اشیاء‌، بوده است‌.

به طور خاص‌، نمودار رخداد همزمان رنگ[1] (CCH) ‌، اطلاعات مربوط به الگوی مکانی رنگ‌های موجود در تصویر را در خود جای داده است‌. این نمودار‌، سه بعدی است‌. دو بعد ان شامل رنگ‌ها و سومین بعد فاصله مکانی را در بر دارد‌.

در واقع‌، بعد سوم‌، تعداد دفعاتی که دو رنگCiوCjموجود در بعد اول و دوم در فاصله dاز یکدیگر قرار گرفته‌اند را نشان می‌دهد‌.

تعریف بالا به بیان ریاضی‌، برای ناحیهJاز تصویر Iبه صورت زیر است:

 

برای تمام جفت رنگ‌های c1و c2که متعلق به Qcهستند و عدد صحیح d £Td‌. Tdعددی ثابت است که اندازة و سایز همسایگی (مقصود از سایز‌، محاسبه تعداد عناصر اصلی یک مجموعه است‌. ) را مشخص می‌کند‌، به عنوان مثال16 پیکسل‌. معیار فاصله یعنی qdistبر مبنای فاصله اقلیدسی است‌.

ممکن است CCHتعریف شده در بالا غیر معمول به نظر برسد زیرا فقط یکی از نقاط باید متعلق به Jباشد‌. در بخش 4 - 2 - 2 - 5 به شرح این موضوع پرداخته ایم‌. این ویژگی باعث بهبود سرعت در محاسبه CCHمی‌شود‌.

هر تابعی که فاصله بین دو نقطه را محاسبه نماید و خروجی ان یک عدد صحیح نامنفی باشد‌، می‌تواند برای محاسبه qdistمورداستفاده قرارگیرد‌.

در این مقاله از فرمول فاصله اقلیدسی برای محاسبه qdistاستفاده شده است که به صورت زیر است:

محاسبه qdistاز طریق فرمول‌ها و یا تبدیلات دیگری نیز امکان پذیر است (به عنوان مثال روش nonuniformly) نکته مهم این است که به دلیل ثابت بودن فاصله اقلیدسی نسبت به دوران و چرخش‌، نمودار CCHنیز نسبت به دوران و چرخش‌، مستحکم و با ثبات خواهد بود‌. این ویژگی برای شناسایی اشیاء بسیار مطلوبست‌.

اگر از فاصله city - blockاستفاده شود ممکن است محاسبه نمودار CCHبه طور مؤثر و کارامدتری انجام شود اما ثبات خود را در مقابل دوران از دست خواهد داد‌.

مطابق انچه در تصویر 4 - 2 نشان داده شده است‌، نمودار CCHاز یک مشکل اساسی رنج می‌برد: اطلاعات مربوط به نواحی همرنگ محاسبه و نگهداری می‌شوند در حالیکه این کار تنها باعث صرف انرژی زیادی می‌شود و نتیجه کار بیهوده و بدون استفاده خواهد بود‌. این موضوع باعث می‌شود که نمودار CCHبه نمایش ناحیه هایی از تصویر که دارای رنگ مشابه هستند بپردازد در حالیکه الگو مکانی ان‌ها تفاوت بسیار اندکی با هم دارد ‌. این مشکل با استفاده از یک ساختار جدید به نام نمودار CECHقابل اصلاح است ‌. این نمودار شامل همه نقاط یک بخش یک رنگ نیست بلکه تنها شامل نقاط مرزی و لبه‌ای این مناطق است و بقیه نقاط داخلی را از نمودار حذف می‌کند ‌. این موضوع باعث صرفه جویی در میزان فضای ذخیره شده ‌، محاسبات‌، وقت و انرژی می‌شود ‌. تبدیل رنگ‌ها از نظر مفهومی یک موضوع بسیار با اهمیت است ‌، به همین دلیل نمودار CECH‌، همان طور که در شکل 4 –2 (b) نشان داده شده ‌، به شیوه بهتری فاصله بین نواحی مختلف تصویر را بررسی می‌کند ‌. نمودار CECHبه صورت زیر است :

در این جا (I)edges‌، مجموعه نقاطی از تصویر Iاست که هر نقطه ممکن است یکی یا هر دو حالت زیر را داشته باشد :

  1. با یک رنگ متفاوت همسایه باشد‌. 2) یک نقطه مرزی و حاشیه‌ای از تصویر Iباشد ‌. یکی دیگر از مزیت هایCECHاین است که محاسبات انجام شده برای یک ناحیه از تصویر در CECHبسیار کار امدتر از نمودار CCHاست ‌. دلیل این امر ‌، ان است که از نقاطی از تصویر که نقاط لبه‌ای نیستند ‌، می‌توان مستقیماً و بی واسطه چشم پوشی کرد ‌، توجه کنید که Td2عمل محاسباتی برای نقاط غیر لبه انجام و ذخیره می‌شود ‌.

بنابراین این ویژگی‌، تاثیر اساسی بر عمل ذخیره سازی می‌گذارد ‌، زیرا بخش عمده نقاط در یک تصویر ‌، نقاط لبه‌ای نیستند ‌.


شکل 4 - 2 - نمودارهای (a)CCHو (b)CECH

 


[1]Color Co-occurrence histogram 

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26