بررسی عملکرد فیلترها در مباحث پردازش تصویر و خوشه‌بندی تصاویر

در فرآیند استخراج اطلاعات مدنظر از تصاویر چه به‌صورت بصری و چه به‌صورت خودکار و استفاده از روش‌های خوشه‌بندی و طبقه‌بندی نظارت شده استفاده از روش‌های بهینه و مناسب باهدف موردنظر بسیار مهم است همچنین مراحل پیش‌پردازش تصاویر مانند بهبود تصویر و یا کاهش جزئیات آن مهم بوده و در نتایج نهایی تاثیرگذار است. بدین منظور در تحقیق پیشرو تاثیر شناسایی لبه و روش‌های مختلف شناسایی آن مورد بررسی و ارزیابی قرار گرفته است. فرآیند تشخیص لبه بسیار مهم است؛ زیرا به‌عنوان اولین مرحله از تجزیه‌وتحلیل و درک تصویر عمل می‌کند. شبکه کانولوشن با استفاده از فیلترهای مختلف مانند فیلتر canny، sobel، prewitt و لاپلاسین، لبه‌های تصویر را تشخیص می‌دهد. در این مقاله، به مقایسه عملکرد استخراج لبه تصویر با کمک فیلتر canny و sobel استفاده می‌شود و یک نمونه اولیه با استفاده از opencv، در پایتون پیاده‌سازی می‌شود. الگوریتم canny از معیارهای تشخیص، محلی‌سازی و حداقل پاسخ برای خروجی نتایج تشخیص لبه باکیفیت بالا پیروی می‌کند. علاوه بر این، canny از یک آستانه دوگانه برای آشکارسازی لبه‌ها استفاده می‌کند و برخلاف sobel که در برابر نویز مقاوم نیست، از فیلتر گاوسی برای حذف نویز از تصویر استفاده می‌کند در کنار آن‌ها لاپلاسین نیز یک فیلتر پردازش تصویر است که برای تشخیص لبه‌ها استفاده می‌شود و با فیلترهای دیگر و ترکیب می‌شود تا دقت تشخیص لبه‌ها بیشتر شود.