ivdon3@bk.ru
Проведено сравнение различных методов сегментации цифровых изображений мокроты, окрашенной по методу Циля-Нильсена. Рассматривались следующие методы: пороговая бинаризация, метод бинаризации Оцу, детекторы границ (операторы Робертса, Собеля, Превитта, Робинсона и Кенни), детекторы углов Харриса и FAST (Features from Accelerated Segment Test) алгоритм, искусственная нейронная сеть и вейвлет-преобразование Mexican Hat (Мексиканская шляпа), а также функция поиска контуров библиотеки OpenCV. Сделано заключение о том, что использование вейвлет-преобразования Mexican Hat имеет наилучшее качество сегментации при сравнительно небольших временных затратах.
Ключевые слова: метод Циля-Нильсена, кислотоустойчивые микобактерии, сегментация, цифровых изображений, детектор углов, FAST, оператор Кенни, оператор Собеля, оператор Робертса, оператор Превитта, оператор Робинсона, искусственные нейронные сети, OpenCV
05.11.00 - Приборостроение, метрология и информационно-измерительные приборы и системы , 05.13.01 - Системный анализ, управление и обработка информации (по отраслям)
Рассмотрены базовые методы сегментации изображений – алгоритмы Канни, Харриса и FAST, алгоритмы контурного анализа. Указанные методы реализованы при помощи языка программирования C++ и графической библиотеки OpenCV. Выполнено тестирование алгоритмов на изображениях анализов мокроты, окрашенных по методу Циля-Нильсена.
Ключевые слова: метод Циля-Нильсена, детектор углов, детектор границ, контурный анализ, Харрис, FAST, Канни, OpenCV.
05.11.17 - Приборы, системы и изделия медицинского назначения , 05.13.01 - Системный анализ, управление и обработка информации (по отраслям)