Acta Univ. Agric. Silvic. Mendelianae Brun. 2010, 58(1), 13-20 | DOI: 10.11118/actaun201058010013

Nový algoritmus pro stanovení tvaru biologických objektů s redukcí dat

Stanislav Bartoň, Libor Severa, Jaroslav Buchar
Ústav techniky a automobilové dopravy, Mendelova zemědělská a lesnická univerzita v Brně, Zemědělská 1, 613 00 Brno, Česká republika

Zpracování digitálních obrazů klade velmi vysoké požadavky na technické i programové vybavení počítače. Proto se jeví redukce objemu zpracovávaných dat při zachování maximální možné přesnosti jako významný nástroj, použitelný zejména v oblasti zpracovávání digitálních obrazových informací.
V předkládaném článku je popsán postup redukce objemu zpracovávaných dat na 3 % původní velikosti. Pro vypracování algoritmu byl použit program Maple 11 classic. Jako vstupní obraz byl použit obrys broskvové pecky, sejmutý v rozlišení 7.1 Mpixelu. Obrys je zaznamenán v souboru jako polygon, popsaný pomocí souřadnic jednotlivých vrcholů tak, že úsečka spojující po sobě následující vrcholy tvoří obvod polygonu. Proto vrcholy vstupního polygonu musí být v seznamu uspořádány ve směru nebo proti směru pohybu hodinových ručiček. V použitém případě je obrys tvořen polygonem o 3866 vrcholech a byl nahrazen polygonem o 109 vrcholech. Průměrný rozdíl vzdáleností mezi originálním a aproximujícím polygonem činí +/-0.7 pixelu, což činí 0,1% velikosti objektu a nejvyšší vzdálenost je přibližně dva pixely, což je 0,3% velikosti objektu.
Předkládaný algoritmus je zcela obecný a může být použit pro redukci objemu dat popisujících i jiné biologické nebo další objekty. Může sloužit jako výkonný a přesný nástroj vhodný ke zrychleni zpracování obrazu a může umožnit zpracování obrazu na počítačích s menším výkonem, např. na běžných PC s programem MS Excel. Použití algoritmu v případě navazujícího zpracování za pomocí nelineárních regresních metod je nutností.

obrazová analýza, redukce dat, metoda nejmenších čtverců

New algorithm for biological objects' shape evaluation and data reduction

The paper presents the software procedure (using MAPLE 11) intended for considerable reduction of digital image data set to more easily treatable extent. The example with image of peach stone is presented. Peach stone, displayed on the digital photo, was represented as a polygon described by the coordinates of the pixels creating its perimeter. The photos taken in high resolution (and corresponding data sets) contain coordinates of thousands of pixels - polygon's vertexes. Presented approach substitutes this polygon by the new one, where smaller number of vertexes is used. The task is solved by use of adapted least squares method. The presented algorithm enables reduction of number of vertexes to 10 % of its original extent with acceptable accuracy +/- one pixel (distance between initial and final polygon). The procedure can be used for processing of similar types of 2D images and acceleration of following computations.

Keywords: image processing, data reduction, least square method
Grants and funding:

The research has been supported by the Grant Agency of the Czech Academy of Sciences under Contract No. IAA201990701.

Received: September 2, 2009; Published: October 5, 2014  Show citation

ACS AIP APA ASA Harvard Chicago IEEE ISO690 MLA NLM Turabian Vancouver
Bartoň, S., Severa, L., & Buchar, J. (2010). New algorithm for biological objects' shape evaluation and data reduction. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 58(1), 13-20. doi: 10.11118/actaun201058010013
Share...
Download citation
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Open full article

    References

    1. BALLESTER, M. A. G., LINGURAU, M. G., AQUIRRE, M. R. and AYACHE, N., 2005: On the adequacy of principal factor analysis for the study of shape variability. Proceedings of Medical Imaging 2005: Image Processing, San Diego, CA, USA, 17 February 2005, pp. 1392
    2. Bartoň, S., 2000: Quick algorithms for calculation of coefficients of non-linear and partially continuous functions using the Least Square Method, solution in Maple 6. Proceedings of 8th International Research Conference CO-MAT-TECH 2000, Trnava, October 2000. STU Bratislava, pp. 79-85. ISBN 80-227-1413-5.
    3. Bartoň, S., 2007: Stanovení tvaru zemědělské plodiny. Proceedings of 6. Matematický workshop. Brno: FAST VUT Brno, November 2007, pp. 1-12. ISBN 80-214-2741-8.
    4. Bartoň, S., 2008: Three dimensional modelling of the peach in Maple. In: CHLEBOUN, J. Programs and Algorithms of numerical Mathematics. 1st ed. Praha. Matematický ústav AV ČR, 2008, pp. 7-14. ISBN 978-80-85823-55-4.
    5. COSTA, L. F. and CESAR, R. M., 2009: Shape Classification and Analysis Theory and Practice. Published by CRC Press, 2009, ISBN 978-0-8493-7929-1. Go to original source...
    6. HAVLÍČEK, M., NEDOMOVÁ, Š., SIMEONOVOVÁ, J., SEVERA, L. and KŘIVÁNEK, I., 2008: On the evaluation of chicken egg shape variability. Acta Universitatis agriculture et silviculture Mendelianae Brunensis 56(5), 69-74. DOI: 10.11118/actaun200856050069 Go to original source...
    7. Iglesias, J. E., Bruijne, M., Loog, M., Lauze, F. and Nielsen, M., 2007: A Family of Principal Component Analyses for Dealing with Outliers. Proceedings of 10th MICCAI International Conference, October 29 - November 2, Brisbane, Australia, pp. 178-185. ISBN 978-3-540-75758-0 Go to original source...
    8. Jolliffe, I., 1986: Principal component analysis. Springer, New York, 1986 Go to original source...
    9. KLOTZ, B., PYLE D. L. and MACKEY, M., 2007: New Mathematical Modeling Approach for Predicting Microbial Inactivation by High Hydrostatic Pressure. Applied and Environmental Microbiology 73(8), 2468-2478. DOI: 10.1128/AEM.02211-06 Go to original source...
    10. LI, T., THONDYKE, B., SCHREIBMANN, E., YANG, Y. and XING, L., 2006: Model-based image reconstruction for four-dimensional PET. Med. Phys. 33(5), 1288-1298. DOI: 10.1118/1.2192581 Go to original source...
    11. SEVERA, L., 2007: Response analysis of the dynamic excitation of hen eggs. Acta Universitatis agriculture et silviculture Mendelianae Brunensis 55(5), 137-146. DOI: 10.11118/actaun200755050137 Go to original source...
    12. SEVERA, L., 2008: Development of the peach firmness during harvest period. Acta Universitatis agriculture et silviculture Mendelianae Brunensis 56(4), 169-176. DOI: 10.11118/actaun200856040169 Go to original source...
    13. SÖHN, M., BIRKNER, M., YAN, D. and ALBER, M., 2005: Modelling individual geometric variation based on dominant eigenmodes of organ deformation: implementation and evaluation. Phys. Med. Biol. 50, 5893-5908. DOI: 10.1088/0031-9155/50/24/009 Go to original source...
    14. TOMÁNKOVÁ, K., JEŘÁBKOVÁ, P., ZMEŠKAL, O., VESELÁ, M. and HADERKA, J., 2006: Use of Image Analysis to Study Growth and Division of Yeast Cells. Journal of Imaging Science and Technology 50(6), 583-587. DOI: 10.2352/J.ImagingSci.Technol.(2006)50:6(583) Go to original source...
    15. Vidal, R., Ma, Y. and Sastry, S., 2005: Generalized Principal Component Analysis (GPCA). IEEE Transactions on Pattern Analysis and Machine Inteligence 27(12), 1-15. Go to original source...
    16. WANG, M., PERERA, A. and GUTIERREZ-OSUNA, R., 2004: Principal Discriminants Analysis for small-sample-size problems: Application to chemical sensing. Proceedings of IEEE Sensors 2, 591-594. DOI: 10.1109/ICSENS.2004.1426234 Go to original source...
    17. YAHYA, A., ZOHADIE, M., KHEIRALLA, A. F., GIEW, S. K. and BOON, N. E., 2009: Mapping system for tractor-implement performance. Computers and Electronics in Agriculture 69, 2-11. DOI: 10.1016/j.compag.2009.06.010 Go to original source...
    18. ZADRAVEC, M. and ŽALIK, B., 2009: A geometric and topological system for supporting agricultural subsidies in Slovenia. Computers and Electronics in Agriculture 69, 92-92. DOI: 10.1016/j.compag.2009.07.010 Go to original source...
    19. Zagrodsky, V., Walimbe, V., Castro-Pareja, C. R., Jian, X. Q., Jong-Min, s., Shekhar, R., 2005: Registration-assisted segmentation of real-time 3-D echocardiographic data using deformable models. IEEE Transactions on Medical Imaging 24 (9), 1089-1099. DOI: 10.1109/TMI.2005.852057 Go to original source...
    20. Zhong, D., Novais, J., Grift, T. E., Bohn, M. and Han, J., 2009: Maize root complexity analysis using a Support Vector Machine method. Computers and Electronics in Agriculture 69, 46-50. DOI: 10.1016/j.compag.2009.06.013 Go to original source...

    This is an open access article distributed under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY NC ND 4.0), which permits non-comercial use, distribution, and reproduction in any medium, provided the original publication is properly cited. No use, distribution or reproduction is permitted which does not comply with these terms.


    Return to the content