Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Â
Estrazione automatica delle linee in un'immagine digitale
1. UNIVERSITA DEGLI STUDI DI TRIESTE
FACOLTA DI INGEGNERIA
Dipartimento di Elettrotecnica, Elettronica e Informatica
Estrazione automatica
delle linee da unâimmagine digitale
Laureando: Relatore: Correlatore:
Francesca PADOIN Sergio CARRATO Marco FONTANI
Anno Accademico 2020-2021
2. Obiettivi
ď§ Individuare e rappresentare le linee presenti in unâimmagine
ď§ Individuare i tre punti di fuga allo scopo di calcolare la
prospettiva
ď§ Valutare se le tre direzioni principali trovate siano corrette o
meno
4. Sviluppo del lavoro
⢠Prefiltraggio immagine
⢠Trasformata di Hough per lâindividuazione delle linee
⢠Calcolo punti dâintersezione fra le linee trovate
⢠Individuazione dei tre cluster tramite algoritmo
5. Trasformata di Hough
⢠Mappa ogni punto presente nellâimmagine in una retta nello
spazio dei parametri
⢠Operatore utilizzati: Canny e Sobel
⢠Confronto fra i due e valutazione su quale operatore utilizzare
8. Valutazioni
⢠Lâoperatore di Canny individua un maggior numero di linee con
direzione diversa
⢠Per lâoperatore di Sobel bisogna preimpostare una soglia, che
varia da immagine ad immagine. Tale soglia assume solo due
valori
⢠Con Sobel non è necessario pre-filtrare
9. Individuazione dei punti di intersezione
⢠Come si può notare ci sono
dei punti dâintersezione no
utili ai fini della ricerca dei
punti di fuga
10. Problematiche
⢠Utilizzare un algoritmo di cluster ad hoc
⢠Individuare i cluster corretti
⢠Poche linee nelle tre direzioni âvoluteâ
11. Algoritmi di clustering
⢠Algoritmo di clustering
partizionale
⢠Basati sulla distanza fra i
tre centroidi individuati
⢠Scelta fra k-means e k-
medoids
12. Scelta del cluster corretto
⢠Basandosi su una distanza media dal centroide ed avendo il
numero limitato a tre cluster, il k-means individua spesso
correttamente i cluster esterni
⢠Il cluster interno allâimmagine invece spesso è una media dei
punti individuati, che sono parecchi, e quindi non precisa
⢠Soluzioni:
-porre a quattro il numero di cluster da individuare ed eliminarne
in seguito uno
-eliminare le linee trovate che non concorrono allâindividuazione
del punto di fuga
13. Come si nota il tavolo e la sedia non concorrono ad una corretta individuazione del
punto di fuga anche se la trasformata li individua correttamente come linee. Questo
comporta lâindividuazione di punti dâintersezione, segnati in figura, non voluti.
14. Conclusioni
⢠Il software individua correttamente le linee ma ne individua
molte dirette verso i due punti di fuga e poche o nulle dirette
verso il terzo punto di fuga
⢠Lâeliminazione delle linee non volute porta ad un miglioramento e
ad una ricalibrazione del calcolo del punto di fuga corretto
⢠Lâeliminazione delle linee corrette ma in eccesso, a fronte di
poche linee trovate verso il terzo punto di fuga, porta ad una
corretta individuazione dei tre cluster
15. Soluzioni e sviluppi futuri
ď§ Si consiglia di coadiuvare il software con una rete neurale per
trovare un maggior numero di linee con diversa direzione oppure
di inglobare i risultati ottenuti usando lâoperatore di Sobel con
quelli ottenuti usando lâoperatore di Canny
ď§ Utilizzare un metodo geometrico, se esiste, che riesca ad
individuare a priori i tre corretti punti di fuga, valutando la
pendenza delle singole rette appartenenti ai fasci passanti per il
centroide, escludendo la prospettiva