AIcode مرجع تخصصی هوش مصنوعی

<aicode>

 

 

 

 

 

جهت خصوصی‌سازی و سفارشی‌سازی پروژه‌ها یا دریافت توضیحات و اطلاعات بیشتر از طریق فرم یا شماره تماس در صفحه تماس با ما اقدام کنید.

در این پروژه از یک الگوریتم تکراری مبتنی بر عملگر انبساط (Dilation)، مکمل‌گیری و اشتراک‌گیری برای پرکردن حفره‌ ها استفاده شده است.
الگوریتم‌های پر کردن حفره های تصویر جز عملگرهای مورفولوژیک روی تصاویر هستند. عملگرهای مورفولوژی روی تصاویر شامل مجموعه وسیعی از الگوریتم‌هایی است که تصاویر را بر اساس شکل آنها پردازش می‌کنند. در عملیات مورفولوژیک نتیجه عملیات یک تصویر دقیقا هم‌اندازه تصویر اصلی است. در یک عملگر مورفولوژی مقدار هر پیکسل در تصویر خروجی با مقایسه آن پیگسل در تصویر ورودی با همسایه‌های آن تعیین می‌شود.
عملگر انبساط (Dilation) در مرزهای یک شی در تصویر پیکسل‌هایی اضافه می‌کند و عملگر انقباض (erosion) پیکسل‌هایی را از تصویر حذف می‌کند. تعداد پیکسل‌هایی که به تصویر اضافه یا از آن حذف می‌شوند به سایز و شکل یک ساختار همسایگی که تعریف می‌کنیم بستگی دارد. یک ساختار همسایگی می‌تواند برای مثال یک مربع 5*5 از 1 باشد.
الگوریتم تکراری برای پرکردن نواحی (حفره‌ها):
یک الگوریتم تکراری مبتنی بر عملگر انبساط (Dilation)، مکمل‌گیری و اشتراک‌گیری برای پرکردن حفره‌ها وجود دارد. این الگوریتم نیازمند این است که از هر حفره‌ای که قصد پر کردن آن را داریم حداقل یک نقطه مشخص باشد. ماتریس X_0 در ابتدا شامل حداقل یک نقطه از حفره‌های مورد نظر است و در نهایت ماتریس X_k شامل همه نقاط حفره‌هاست. ابتدا یک ماتریس همسایگی، مثلا 8 همسایگی تعریف می‌کنیم.

محتویات فایل: فایل ورد گزارش، تصویر آزمون، سورس کد
زبان برنامه نویسی: متلب

پياده سازي الگوريتم پر كردن حفره های تصاویر
290,000ریال

تبلیغات AIcodeMahak

AIcode مرجع تخصصی آموزش مهندسی کامپیوتر و هوش مصنوعی

تماس با ما

ايميل: info@aicode.ir

عضویت در خبرنامه AIcode