s1091537 Homework #6

 

1122 Digital Image Processing Assignment #6 報告

學號：s1091537 姓名：蔡佾家

主題： Morphological Image Processing 數學形態學影像處理練習

專案目標：

    利用數學型態影像處理，計算附件圖片中的：(1)大木圓榫數量 (2)小木圓榫數量。具體來說，我先使用Otsu演算法進行二值化，再迭代的erosion至大木圓榫與小木圓榫全部分離，接著尋找connected component、以面積判斷其是屬於大圓榫或小圓榫，最終算出大/小木圓榫總個數（印於圖片右下角）。

    此外，我也以Hough Circle Transform實作出相同的結果，並在最後方探討兩方法的差異。

開發平台：Microsoft Windows 11, Visual Studio Code, OpenCV 4.6.0, Python 3.7.9

主要概念說明：

1.      高斯模糊與二值化

我先進行高斯模糊去除雜訊，接著以Otsu演算法進行二值化。下圖中，左圖是原圖，中間則是模糊化後的圖，右圖是二值化後的圖。

    會採用Otsu演算法進行二值化的理由有三個：(1)圖中的背景與前景顏色不同，且固定為黑色與白色；(2)以直方圖統計可知其呈現雙峰分布，如下圖；(3)圖像的光照均勻。由這三個理由可知Otsu演算法的效果會不錯。

2.      進行erosion以分離圓榫

    由於二值化影像中有數個大小圓榫相連，我們迭代的進行erosion以分離圓榫。下左圖為二值化後的原圖，右圖則為經erosion後的圖。

3.      尋找connected component並以面積判斷大/小木圓榫

觀察erosion後的圖可以發現大圓榫與小圓榫之間面積有很大的差異，因此我先尋找出每個connected component並標示出其中心與面積，方便進一步的選擇閾值。

    在決定出一個面積的閾值200後，當面積小於閾值，程式將認為其是小木圓榫並以紅色標示，當面積大於閾值，程式將認為其是大木圓榫並以紅色標示。最終，程式會將兩類別的數量累加起來印在右下角，如下圖。

成果展示與討論：

1. 成果展示

2. 額外討論：以Hough Circle Transform實作

    除了上面這個方法外，我也有以Hough Circle Transform的方法分辨大圓榫與小圓榫（suppl.py），成果如下圖。然而這個方法對雜訊非常敏感，比較不穩健。若Hough Circle Transform前的模糊化力度不夠，會導致檢測出不存在的圓，但若模糊化的力度過大，又會抹平邊緣，導致檢測不到圓榫。因此，使用上面的方法（Otsu + erosion + 面積判斷）來實作我認為會比較穩固。