이미지 처리 기술에서 색상 대 그레이 스케일 변환 기술은 알고리즘을 단순화하고 여러 작업의 계산 비용을 줄이기 위해 사용됩니다. 엣지 검출은 이미지 처리 분야에서 널리 연구되고 있는 분야 중 하나이지만, 컬러 대 그레이 스케일 변환 알고리즘을 사용하는 엣지 검출 기술은 고려되지 않았습니다. 본 연구에서는 다양한 색상 대 그레이 스케일 변환 알고리즘이 ...
이미지 처리 기술에서 색상 대 그레이 스케일 변환 기술은 알고리즘을 단순화하고 여러 작업의 계산 비용을 줄이기 위해 사용됩니다. 엣지 검출은 이미지 처리 분야에서 널리 연구되고 있는 분야 중 하나이지만, 컬러 대 그레이 스케일 변환 알고리즘을 사용하는 엣지 검출 기술은 고려되지 않았습니다. 본 연구에서는 다양한 색상 대 그레이 스케일 변환 알고리즘이 에지 감지 프로세스의 성능에 미치는 영향을 평가했습니다. 실험 결과는 에지 검출이 사용된 검출기의 방식뿐만 아니라 컬러-그레이 스케일 변환 알고리즘에도 의존함을 보여줍니다. 밝기(Lightness) 그레이 스케일 표현은 1 차 미분 에지 검출기에서 더 잘 수행됩니다. 잡음 제거 단계를 포함하는 에지 검출기 (예를 들어, Canny 또는 Laplacian of Gaussian edge detection)의 경우, Gleam 변환 알고리즘이 더 잘 수행됩니다. 전반적으로 감마 보정 된 그레이 스케일 표현은 더 우수한 엣지 맵을 생성합니다. 또한 성능 평가 결과는 확률론적 측정 및 경계 검출 평가를 위한 figure of merits를 포함하는 다양한 참조 기반 오브젝티브 측정으로 확인되었습니다.
이미지 처리 기술에서 색상 대 그레이 스케일 변환 기술은 알고리즘을 단순화하고 여러 작업의 계산 비용을 줄이기 위해 사용됩니다. 엣지 검출은 이미지 처리 분야에서 널리 연구되고 있는 분야 중 하나이지만, 컬러 대 그레이 스케일 변환 알고리즘을 사용하는 엣지 검출 기술은 고려되지 않았습니다. 본 연구에서는 다양한 색상 대 그레이 스케일 변환 알고리즘이 에지 감지 프로세스의 성능에 미치는 영향을 평가했습니다. 실험 결과는 에지 검출이 사용된 검출기의 방식뿐만 아니라 컬러-그레이 스케일 변환 알고리즘에도 의존함을 보여줍니다. 밝기(Lightness) 그레이 스케일 표현은 1 차 미분 에지 검출기에서 더 잘 수행됩니다. 잡음 제거 단계를 포함하는 에지 검출기 (예를 들어, Canny 또는 Laplacian of Gaussian edge detection)의 경우, Gleam 변환 알고리즘이 더 잘 수행됩니다. 전반적으로 감마 보정 된 그레이 스케일 표현은 더 우수한 엣지 맵을 생성합니다. 또한 성능 평가 결과는 확률론적 측정 및 경계 검출 평가를 위한 figure of merits를 포함하는 다양한 참조 기반 오브젝티브 측정으로 확인되었습니다.
In image processing, color-to-grayscale conversion techniques are used to simplify the algorithms and to reduce the computational cost for several tasks. Edge detection is one of the widely studied areas in image processing, however, the evaluation of edge detectors with color-to-grayscale conversio...
In image processing, color-to-grayscale conversion techniques are used to simplify the algorithms and to reduce the computational cost for several tasks. Edge detection is one of the widely studied areas in image processing, however, the evaluation of edge detectors with color-to-grayscale conversion algorithms have not been considered. In this study, I have evaluated the effect of various color-to-grayscale conversion algorithms on the performance of edge detection process. Experimental results show that edge detection is not only dependent on the detector used but also on the color-to-grayscale conversion algorithms. The Lightness grayscale representation performed better for first order derivative edge detectors. For edge detectors (e.g, Canny or Laplacian of Gaussian edge detection), involving de-noising step, the Gleam conversion algorithm performed better. Overall, the gamma corrected grayscale representations results in better edge maps. The results are confirmed with different reference-based objective measures including probabilistic measures and figure of merits for edge detection evaluation.
In image processing, color-to-grayscale conversion techniques are used to simplify the algorithms and to reduce the computational cost for several tasks. Edge detection is one of the widely studied areas in image processing, however, the evaluation of edge detectors with color-to-grayscale conversion algorithms have not been considered. In this study, I have evaluated the effect of various color-to-grayscale conversion algorithms on the performance of edge detection process. Experimental results show that edge detection is not only dependent on the detector used but also on the color-to-grayscale conversion algorithms. The Lightness grayscale representation performed better for first order derivative edge detectors. For edge detectors (e.g, Canny or Laplacian of Gaussian edge detection), involving de-noising step, the Gleam conversion algorithm performed better. Overall, the gamma corrected grayscale representations results in better edge maps. The results are confirmed with different reference-based objective measures including probabilistic measures and figure of merits for edge detection evaluation.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.