Застосування комп'ютерного зору для визначення розмірів краплі рідини на цифрових зображеннях
DOI:
https://doi.org/10.31471/1993-9981-2025-2(55)-60-67Ключові слова:
крайовий кут змочування, OpenCV, згортка зображення, контур.Анотація
В статті вирішується задача визначення розмірів краплі рідини на цифровому зображенні з використанням технологій комп'ютерного зору засобами бібліотеки OpenCV, що може бути використано для слідження поверхневих властивостей рідин, зокрема крайового кута змочування. Крайовий кут змочування розраховують на основі виміряного радіуса основи або меридіану і заданого об'єму краплі рідини. Вимірювати радіус краплі рідини пропонується шляхом отримання цифрового зображення краплі, а радіус визначати алгоритмами комп'ютерного зору. В статті показано, що алгоритми комп'ютерного зору передбачають виконання ряду операцій. Спочатку кольорове зображення перетворюють на сіре. Далі виконують розмиття зображення згорткою гаусовим ядром для зменшення впливу шуму. Наступним етапом є виділення контурів об’єктів на зображенні алгоритмом Кенні, який обчислює згортку за допомогою оператора Собеля. Подальша обробка зображення виконується шляхом фільтрації для проріджування країв контурів і придушення контурів з використанням двох порогових рівнів. Це дозволяє отримати контури товщиною в один піксель і усунути ізольовані ділянки контурів, що не належать дійсному контуру краплі, а є результатом неусуненого шуму на зображенні. В роботі вказано, що правильний вибір цих порогів впливає на ефективність алгоритму детектування країв. Заключним етапом є застосування алгоритму сканування зображення для формування масивів координат пікселів зображення, які належать контуру краплі. На основі масиву координат пікселів визначають радіус кола, який їм відповідає. Реальні розміри краплі на зображенні перераховують з використанням калібрувального об'єкта відомих розмірів. Таким об'єктом може бути тіло простої форми – квадрат, круг тощо. На основі виміряних і відомих розмірів калібрувального тіла розраховують коефіцієнт перетворення цифрового зображення. Запропонований алгоритм реалізовується функціями бібліотеки OpenCV: cvtColor, GaussianBlur findContours і minEnclosingCircle, що дозволяє ефективно розробляти програмне забезпечення із використанням бібліотек OpenCV. Таке програмне забезпечення може бути впроваджене на мікрокомп'ютерах, що відкриває широкі можливості для розроблення приладів для дослідження поверхневих властивостей рідин.
Завантаження
Посилання
1. Malkina V. M., Mozghovenko A. A. Vyznachennia heometrychnykh kharakterystyk plodiv chereshni na osnovi tekhnolohii kompiuternoho zoru. Materialy I Vseukrainskoi naukovo-praktychnoi internet-konferentsii «Suchasni kompiuterni ta informatsiini systemy i tekhnolohii». P. 49-52. URL: http://www.tsatu.edu.ua/kn/wp-content/uploads/sites/16/malkyna-1.pdf [in Ukrainian]
2. Accurate Object Measurement with OpenCV Python. URL: https://www.toolify.ai/ai-news/accurate-object-measurement-with-opencv-python-551694 (Accessed: 24.03.2025 р.)
3. Measure Size of an Object Using Python OpenCV. URL: https://www.geeksforgeeks.org/measure-size-of-an-object-using-python-opencv/ (Accessed: 24.03.2025 р.)
4. Bilishchuk V. B., Kostiv B. V., Bodnar R. T. Metodyka analizu tsyfrovykh zobrazhen dlia vyznachennia koordynat tochok konturu fiksovanoi obertovoi krapli v mizhfaznii tenziometrii. Metody ta prylady kontroliu yakosti. 2014. No 2 (33). P. 59-65. URL: https://mpky.nung.edu.ua/index.php/mpky/article/view/231/235 [in Ukrainian]
5. Bilishchuk V. B. Zastosuvannia zrazkovykh zobrazhen dlia analizu tsyfrovykh zobrazhen fiksovanykh obertovykh krapel. Metody ta prylady kontroliu yakosti. 2015. No 2 (35).P. 48- 53. URL: https://mpky.nung.edu.ua/index.php/mpky/article/view/273/277 [in Ukrainian]
6. OpenCV. URL: https://uk.wikipedia.org/wiki/OpenCV (Accessed: 12.03.2025 р.). [in Ukrainian]
7. Bodnar R. T., Bilishchuk V. B. Kontrol zmochuvannia v promyslovykh umovakh optychnym metodom. Zbirnyk tez dopovidei 8-oi mizhnarodnoi n/t konferentsii Suchasni prylady, materialy i tekhnolohii dlia neruinivnoho kontroliu i tekhnichnoi diahnostyky mashynobudivnoho i naftohazopromyslovoho obladnannia 14 - 16 lystopada 2017. Ivano-Frankivsk: IFINTUNH. P. 111-112. URL: http://194.44.112.14/bitstream/123456789/5588/1/6177p.pdf [in Ukrainian]
8. Satoshi Suzuki and others. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing.1985. Vol. 30(1). P. 32–46. doi: 10.1016/0734-189X(85)90016-7
9. Canny J. A Computation Approach to Edge Detection. IEEE Trans. Pattern Anal. Mach. Intell 1986. Vol. 8. No 6. P. 679-698. doi: 10.1109/TPAMI.1986.4767851
10. Zadacha pro naimenshe kolo. URL: https://uk.wikipedia.org/wiki/ Задача_про_найменше_коло (Accessed: 24.03.2025 р.). [in Ukrainian]
.png)
