DULA, M. Srovnání hranových detektorů [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2021.

Posudek vedoucího

Procházková, Jana

Práce Marka Duly se zabývá oblastí zpracování obrazu pro detekci hran společně s algoritmy na odstranění šumu v obrazech. Cíle práce byly seznámit se s těmito metodami, porovnat je a implementovat. V textové části bakalářské práce musím vytknout horší zpracování teoretických základů problematiky. Například kapitola 1 by mohla obsahovat více odborné definice k zavedení pojmů (v práci je napsáno srozumitelně, ale lehce zjednodušeně). Tato výtka se týká i Fourierovy transformace, která je z matematického hlediska velmi hezky formulovatelná, ale v textu je jí věnována jen malá část. Metoda průměrování je pouze představena pro velmi jednoduchou matice 3x3. I když je pro filtraci šumu méně vhodná, mohla být popsána lépe. Kladně hodnotím výběr testovacích obrázků a podrobný rozbor výsledků a vyvození závěrů. Druhý úkol bakalářské práce bylo naučit se hodnotit dané algoritmy a určit jejich potenciál pro detekování hran. Tento cíl student splnil v pořádku. Práce je po stylistické a grafické stránce spíše průměrná, implementace v Matlabu je jednodušší a student často využívá funkce softwaru. K vyhodnocení úspěšnosti jsem doporučovala volit kontingenční tabulku (která je dle mého názoru vhodnější), student zvolil poměr chybných a správných hran. Student práci postupně konzultoval a pracoval samostatně. Práce i přes výtky týkající se zpracování teorie, splňuje požadavky na BP, a proto ji doporučuji k obhajobě a navrhuji výsledné hodnocení: D

Posudek oponenta

Loučka, Pavel

Autor se v předložené práci zabýval srovnáním vybraných metod detekce hran v obraze a také porovnával některé způsoby potlačení obrazového šumu. Hlavní text práce se skládá z 6 kapitol: V prvních třech kapitolách jsou postupně shrnuty základní matematické a obrazově-analytické pojmy, popsány vybrané hranové detektory a definovány některé filtry na potlačení šumu. 4. kapitola pak obsahuje popis vytvořených MATLABovských algoritmů, které tyto vybrané metody realizují. Kapitoly 5 a 6 ukazují a srovnávají použití metod na různých snímcích. Přílohou práce jsou autorem vytvořené skripty. Členění textu na kapitoly je smysluplné, text samotný má ale smíšenou úroveň. Pojmy jsou zvláště v kapitole 1 definovány poněkud vágně, např. gradient v Definici 1.2 vůbec nezmiňuje numerické derivování. Dále: slovo „práh“ nemusí nutně znamenat mezní hodnotu gradientu. Hranové detektory v kapitole 2 jsou popsány správně, s výjimkou Otsuovy metody, kde je několik chyb: ve vzorcích (2.17), (2.18) a (2.21) chybí na některých místech umocnění na druhou, ve vzorci (2.18) má navíc horní mez sumy být „L“, případně 256, nikoli však 255. Otsuova metoda navíc obecně nedetekuje hrany samotné (ačkoliv může být pro detekci hran předstupněm), popisek obrázku 2.6 b) je tedy zavádějící. V kapitole ovšem kladně hodnotím převzetí popisu detektorů z původních článků autorů detektorů. I když se v kapitole 3 objevují správně definované konvoluční masky Gaussovského filtru, v samotných předpisech (3.1) a (3.2), které definují 1D a 2D Gaussovu funkci, jsou chyby. Jako problematická se jeví také formulace „ponechat část Fourierovy transformace“. Programové zpracování metod popsané v Kapitole 4 je poměrně rozsáhlé a spolu s přiloženými MATLABovskými skripty svědčí o notné dávce úsilí, kterou autor do tvorby skriptů vložil. Všechny skripty, zdá se, fungují zcela správně, snad s výjimkou Otsuovy metody: přiložený skript s touto metodou se maličko liší od skriptu popsaného v textu tím, že na konci uměle zvyšuje hodnotu nalezeného prahu o 15. Když byla metoda vyzkoušena na testovacím snímku, segmentace vypadala jinak než při použití výchozí MATLABovské funkce „imbinarize“, která Otsuovu metodu realizuje. Při odstranění umělého navýšení prahu přitom dávaly autorův skript i funkce „imbinarize“ skoro stejné výsledky, možná je tedy ono číslo 15 jen pozůstatkem z doby autorova testování skriptu. Slovní závěry vyjadřující se ke srovnání filtrů šumu v kapitole 5 působí správně, i tato kapitola má však svoje nedostatky. Poměr správně a chybně nalezených pixelů v přítomných tabulkách není úplně šťastně zvolenou charakteristikou, jasnější interpretaci by pomohlo výsledky zapsat např. pomocí kontingenčních tabulek. Graf na obr. 5.4 se i po delším přemýšlení zdá podivný, zvláště v kontextu obr. 5.3. Se závěry kapitoly 6 lze souhlasit, až na omílanou tezi, že Otsuova metoda detekuje hrany. Cíle práce byly splněny. Vzhledem k výše uvedenému ji hodnotím známkou dobře/C a doporučuji ji k obhajobě.

eVSKP id 132355