افتح القائمة الرئيسية

خوارزمية دريش لكشف الحواف

خوارزمية دريش لكشف الحواف
معلومات عامة
نوع
معلومات تقنية
المطور الأصلي
الإصدار الأول

خوارزمية دريش لكشف الحواف أو المرشح الرقمي لدريش أو كاشف الحواف لدريش هي خوارزمية كشف الحواف من اكتشاف البروفيسور الجزائري رشيد دريش خلال عام 1987م[1].

الاكتشافعدل

كشف الحوافعدل

تتضمن "خوارزمية دريش لكشف الحواف" مجموعة عمليات كشف الحواف بواسطة طرق رياضيات تطبيقية متنوعة تساعد في تعريف كل بكسل في الصورة الرقمية عندما تتغير إضاءة الشاشة أو الصورة بشكل حاد أو عند الإضاءة المتقطعة[3].

تُنظم نقط الصورة التي تغيرت عندها الإضاءة بشكل حاد في مجموعة من المنحنيات المقطعة تسمى بالحواف[4].

تُعرف مشكلة إيجاد الانقطاع في الإشارات في البعد الواحد بمصطلح الكشف الخطوي أو خطوة الكشف، ومشكلة إيجاد الإشارة المنقطعة خلال الزمن بمصطلح كشف التغير[5].

كشف الحواف هو أداة أساسية في معالجة الصور الرقمية والإبصار للآلات والرؤية الحاسوبية وجزئياً في كشف مميزات المناطق واستخراج الممميزات[6].

الخوارزميةعدل

تتمثل "خوارزمية دريش لكشف الحواف" في خوارزمية رقمية متعددة المراحل تهدف إلى الحصول على نتائج مُثلى في كشف الحواف ضمن صورة رقمية ثنائية الأبعاد[7].

وتعتمد هذه الخوارزمية على أعمال جون كاني في مجال كشف الحواف التي تكللت باكتشاف خوارزمية كاني لكشف الحواف [الإنجليزية] خلال عام 1986م[8].

وينص المرشح الرقمي لكاني [الإنجليزية] على ثلاثة معايير للحصول على أمثل كشف للحواف هي[9]:

  1. نوعية الكشف: بحيث أن كل الحواف الموجودة في الصورة الرقمية يجب أن يتم وسمها بعلامة ولا يجب أن يحدث كشف حواف خاطئ[10].
  2. الدقة: بحيث أن الحواف الموسومة بعلامة ينبغي أن تكون أقرب ما أمكن إلى الحواف في الصورة الحقيقية[11].
  3. غياب الالتباس: بحيث أن الحافة في الصورة الرقمية لا يجب أن يتم وسمها إلا مرة واحدة، فلا يمكن أن توجد عدة استجابات من أجل حافة واحدة في الصورة الحقيقية[12].

ومن أجل ذلك، فإن كاشف الحواف لدريش يسمى أحيانا كاشف الحواف لدريش-كاني[13].

الفروق بين خوارزميتي دريش وكاني لكشف الحوافعدل

تشترك خوارزمية دريش لكشف الحواف مع خوارزمية كاني لكشف الحواف [الإنجليزية] في المراحل الأربعة التالية[14]:

  1. النعومة (بالإنجليزية: Smoothing)[15].
  2. حساب الحجم واتجاه تدرج الصورة [الإنجليزية] (بالإنجليزية: Calculation of magnitude and gradient direction)[16].
  3. عدم الإلغاء بالحد الأقصى (بالإنجليزية: Non-maximum suppression)[17].
  4. عتبة [الإنجليزية] التلاكؤ باستخدام عتبتين (بالإنجليزية: Hysteresis thresholding using two thresholds)[18].

ويكمن الفرق الأساسي في تنفيذ المرحلتين الأوليين من خوارزمية دريش لكشف الحواف[19].

فعلى عكس خوارزمية كاني لكشف الحواف [الإنجليزية]، فإن "كاشف الحواف لدريش" يستعمل المرشح الرقمي المتمثل في الاستجابة اللانهائية للاندفاع [الإنجليزية] على شكل[20]:

 

فيقوم المرشح الرقمي الذي طوره البروفيسور رشيد دريش بتحسين معايير خوارزمية كاني [الإنجليزية][21].

فكما هو واضح من الصيغة الرياضية السابقة، فإن المرشح الرقمي الفعال يتم الحصول عليه حينما تؤول قيمة الوسيط   نحو الصفر[22].

وهذا النوع من المرشحات الرقمية يكون ذا صيغة رياضية على شكل[23]:

 

وتتمثل الميزة التنافسية لمثل هذا المرشح الرقمي في إمكانية ضبطه وفق خصائص الصورة الرقمية المعالجة باستعمال وسيط وحيد[24].

فإذا كانت قيمة الوسيط الرياضي   صغيرة (عادة ما تكون محصورة بين 0.25 و0.5)، فإن المرشح الرقمي يؤدي إلى أحسن كشف للحواف[25].

ومن جانب آخر، فإن أحسن تحديد لمواقع الحواف يتم إنجازه حينما تكون قيمة الوسيط الرياضي   عالية (ما بين 2 و3)[26].

أما في غالبية حالات كشف الحواف العادية، فإن قيمة الوسيط الرياضي   المنصوح بها يجب أن تكون حول القيمة 1[27].

مثال عن استعمال خوارزمية دريش لكشف الحواف في تحسين نعومة حواف صورة رقمية بواسطة مرشح رقمي
الصورة الرقمية
الوسيط     = 0.25   = 0.5   = 1   = 2

فاستعمال المرشح الرقمي المتمثل في الاستجابة اللانهائية للاندفاع [الإنجليزية] تثبت جدواه خاصة في الحالات التي تكون فيها الصورة الرقمية المعالجة بها الكثير من ضجيج الصورة [الإنجليزية] أو تحتاج إلى حجم كبير من معالجة تحسين النعومة[28].

وهذه المعالجة للنعومة يؤدي حجمها الكبير إلى بروز نواة التفاف رياضي كبيرة في المرشحات الرقمية ذات الاستجابة النهائية للاندفاع [الإنجليزية][29].

وتتصف خوارزمية دريش لكشف الحواف في حالات كثرة ضجيج الصورة [الإنجليزية] وحجم كبير من معالجة تحسين النعومة، على عكس سابقتها خوارزمية كاني لكشف الحواف [الإنجليزية]، بميزة تنافسية معتبرة لأن هذه الخوارزمية الحديثة تستطيع معالجة الصور الرقمية في وقت ثابت قصير باستقلالية تامة عن الحجم المطلوب من معالجة نعومة الصورة[30].

تنفيذ كاشف دريشعدل

يمكن تقسيم عملية الحصول على الوسيط الرياضي   في المرشح الرقمي لدريش ثنائي الأبعاد، أثناء تنفيذ خوارزمية كشف الحواف، إلى مرحلتين اثنتين[31].

فيتم المرور في المرحلة الأولى ضمن مصفوفة الصورة الرقمية وفق الاتجاه الأفقي من اليسار إلى اليمين باتباع الصيغة الرياضية التالية[32]:

 

ثم يتم المرور من اليمين إلى اليسار باتباع الصيغة الرياضية التالية[33]:

 

ويتم بعد ذلك تخزين نتائج الحوسبة في مصفوفة ثنائية الأبعاد مؤقتة[34]:

 

ثم تأتي المرحلة الثانية من الخوارزمية التي هي مشابهة إلى حد كبير للمرحلة الأولى[35].

فيتم استعمال المصفوفة ثنائية الأبعاد في العملية السابقة كمدخلات حوسبة[36].

فيتم المرور عبر هذه المصفوفة في الاتجاه العمودي من الأعلى إلى الأسفل، ثم من الأسفل إلى الأعلى، باتباع الصيغ الرياضية التالية[37]:

 
 
 

وهذا الوصف للمرحلتين والصيغ الرياضية في خوارزمية دريش يقتضي استقلال الصفوف والأعمدة المعالجة في المصفوفة[38].

ونتيجة لذلك، فإن الحل الذي يقدمه هذا المرشح الرقمي الحديث المتوفر على الاستجابة اللانهائية للاندفاع [الإنجليزية] يتم توظيفه أحيانا في الأنظمة المضمنة ومعمارية البرمجيات التي تعتمد على مستوى عال من الحوسبة المتوازية[39].

معاملات المرشح الرقمي لدريشعدل

معاملات المرشح الرقمي لدريش
معالجة النعومة مشتق x مشتق y
       
    0  
    1  
    -1  
    0  
      0
      1
      -1
      0
       
       
  1   1
  1 1  

إن الخصائص الرياضية لهذه الخوارزمية يتم استعمالها أحيانا في التنفيذ العملي لتقنية المرشح الرقمي لدريش[40].

فيكفي عندئذ تنفيذ مرحلة واحدة من الخوارزمية، ليُعاد إنجازها مرة أخرى بعد ذلك، ولكن بعد تحويل مصفوفة الصورة الرقمية الناتجة في المرحلة الأولى إلى منقولة مصفوفة يُعاد تطبيق نفس الصيغ الرياضية للمرحلة الأولى عليها[41].

أمثلة صور رقمية معالجة بكاشف دريشعدل

انظر أيضاعدل

مراجععدل

  1. ^ Using Canny's criteria to derive a recursively implemented optimal edge detector | SpringerLink نسخة محفوظة 07 يونيو 2018 على موقع واي باك مشين.
  2. ^ Remarque نسخة محفوظة 27 ديسمبر 2017 على موقع واي باك مشين.
  3. ^ A Survey on Various Edge Detector Techniques - ScienceDirect
  4. ^ http://marathon.csee.usf.edu/~sarkar/PDFs/iir-icpr.pdf
  5. ^ Using Canny's criteria to derive a recursively implemented optimal edge detector | Request PDF نسخة محفوظة 18 يناير 2018 على موقع واي باك مشين.
  6. ^ http://www.icsd.aegean.gr/lecturers/kavallieratou/vision_files/Edge%20Detection.pdf
  7. ^ Deriche edge detector
  8. ^ http://www.cse.iitm.ac.in/~vplab/courses/CV_DIP/PDF/LECT_EDGE_DET.pdf
  9. ^ VLSI Optimal Edge Detection Chip: Canny-Deriche Filter - PDF Free Download نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  10. ^ A modification of Deriche's approach to edge detection - IEEE Conference Publication نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  11. ^ https://asp-eurasipjournals.springeropen.com/articles/10.1186/1687-6180-2011-28
  12. ^ https://hal.inria.fr/hal-00505122/document
  13. ^ edges_sub_pix [HALCON Operator Reference / Version 12.0.2] نسخة محفوظة 16 سبتمبر 2017 على موقع واي باك مشين.
  14. ^ Computer Analysis of Images and Patterns: 7th International Conference, CAIP ... - Google Livres نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  15. ^ http://www2.maths.lth.se/vision/publdb/reports/pdf/astrom-heyden-icpr-96.pdf
  16. ^ http://www.arpnjournals.com/jeas/research_papers/rp_2015/jeas_0415_1908.pdf
  17. ^ Edge Detection [ImageJ Documentation Wiki] نسخة محفوظة 22 يوليو 2018 على موقع واي باك مشين.
  18. ^ Implementation Of Distributed Canny Edge Detector On Fpga | Open Access Journals نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  19. ^ http://www9.in.tum.de/praktika/ppbv.WS03/doc/html/reference/hdevelop/edges_sub_pix.html
  20. ^ Computer-integrated Surgery: Technology and Clinical Applications - Google Livres نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  21. ^ http://www.ntu.edu.sg/home/mjjshu/JEEEA94.pdf
  22. ^ Deriche Edge Detection نسخة محفوظة 21 ديسمبر 2017 على موقع واي باك مشين.
  23. ^ Ridge-line optimal detector نسخة محفوظة 02 يونيو 2018 على موقع واي باك مشين.
  24. ^ http://www.bmva.org/bmvc/1988/avc-88-030.pdf
  25. ^ http://documents.irevues.inist.fr/bitstream/handle/2042/11927/AR22_6.pdf?sequence=1
  26. ^ Computer Vision - ECCV 90: First European Conference on Computer Vision ... - Google Livres نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  27. ^ What is the difference between edge detection, Sobel detection, and Canny detection? - Quora
  28. ^ http://www.isprs.org/proceedings/XXXIII/congress/part3/289_XXXIII-part3.pdf
  29. ^ Pattern Recognition and Image Processing in C++ - Dietrich Paulus - Google Livres نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  30. ^ ftp://ftp.math.ucla.edu/pub/camreport/cam11-20.pdf
  31. ^ Raster Imaging and Digital Typography II: Proceedings of the Conference on ... - Google Livres نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  32. ^ http://www.ijraset.com/fileserve.php?FID=2421
  33. ^ Using Canny's criteria to derive a recursively implemented optimal edge detector | SpringerLink نسخة محفوظة 07 يونيو 2018 على موقع واي باك مشين.
  34. ^ http://perso.telecom-paristech.fr/~angelini/SI241/papers_for_project/Paillou.pdf
  35. ^ http://vixra.org/pdf/1405.0045v1.pdf
  36. ^ Mathematical Morphology: Proceedings of the VIth International Symposium ... - Google Livres نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.
  37. ^ https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XL-3-W2/211/2015/isprsarchives-XL-3-W2-211-2015.pdf
  38. ^ http://ultra.sdk.free.fr/docs/Image-Processing/filters/Edges%20Detection/Filtre%20de%20Shen%20ou%20de%20Deriche%20pour%20detecter%20un%20contour.pdf
  39. ^ Canny Edge Detection in Python with OpenCV | henrydangprg نسخة محفوظة 11 يوليو 2018 على موقع واي باك مشين.
  40. ^ https://core.ac.uk/download/pdf/1642306.pdf
  41. ^ Rapports Techniques - Institut national de recherche en informatique et en automatique - Google Livres نسخة محفوظة 28 ديسمبر 2017 على موقع واي باك مشين.