6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 011, Elazığ, Turkey Morfolojik Görüntü İşleme Yöntemleri ile Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti M. Karhan 1, M. O. Oktay, Z. Karhan 3, H. Demir 4 1 4 Namık Kemal Üniversitesi, Tekirdağ/TÜRKİYE, mkarhan@nku.edu.tr, moktay@nku.edu.tr, hdemir@nku.edu.tr 3 Fırat Üniversitesi, Elazığ/TÜRKİYE, zehra.karhan@hotmail.com Detecting Spots on Apricots due to Coryneum beijerinckii disease with Morphological Image Processing Methods Abstract In this study, morphological image processing techniques is used for detecting spots emerged on apricots due to Coryneum beijerinckii disease and interpret the quality of apricots as a result of this detection. With this method it is observed that, before applying mean filtering, minimizing erroneous detection of spots that is originated from redness due to the maturing of the fruit in binary image by morphological methods improves the accuracy of detection at the filter output. Spots due to coryneum beijerinckii disease on apricots plays an important role in determining the fruit's quality. Quality classification is made by detecting of these spots and the surface area covered by the spots. Therefore, this quality classification concerns pricing issue. Keywords Morphological Image Processing, Thresholding, Spot Detection, Mean Filter I. GİRİŞ Matematiksel morfoloji imge içerisinden çıkarmak veya ayırt etmek istediğimiz nesneleri, imge içerisindeki diğer bölgelerden veya nesnelerden ayırt etmek veya çıkarmak için kullanılmaktadır. Matematiksel morfoloji ikili imgeler için bulunmuş, daha sonra gri seviyeli imgeler için geliştirilmiştir[1]. Kayısıda kalite sınıflandırılması yapılırken, leke (çil) sayısı ve büyüklüğü, üzerinde önemle durulması gereken faktörlerden biridir. Kalite sınıflandırılması, ürünün fiyatlandırılmasına ışık tutar. RGB imgeler, gri seviyeli imgelere göre nesnelere ait çok daha fazla semantik bilgi içermektedirler[]. RGB imgeler üzerinde morfolojik işlem gerçekleştirmek için RGB imge bantlarına ayrıştırılmıştır. Bu çalışma çerçevesinde, lekeli bölgeyi tespit için kullandığımız renkli imgenin her bandının piksel değerlerine bakılarak ve histogram analizi yapılarak, uygun yapısal elemanlar ile morfolojik işlemlerden geçirilmiş, uygun eşik seviyesinde ikili imgeye çevrilmiş, kayısı üzerinde normal ve çilli (lekeli) bölge ayrıştırılmıştır. Ayrıştırılan bu bölgelerde, kayısının leke olmayan, olgunlaşmasından dolayı oluşan kırmızılıkların, ikili imgede oluşturduğu yanılsama lekeler ortalama süzgeç yardımıyla giderilmiştir. Matematiksel morfoloji, küme teorisi, topoloji ve rastgele fonksiyonlara dayalı bir analiz ve işleme yöntemidir. Geometrik yapılar ile uğraşmaktadır. Matematiksel morfoloji genellikle sayısal imgelerde kullanılmaktadır. Ayrıca, grafiklerde, yüzey birleştirmelerde ve birçok mekânsal yapılarda kullanılmaktadır[1]. II. MATEMATİKSEL MORFOLOJİ VE MORFOLOJİK GÖRÜNTÜ İŞLEME Biyolojinin, canlıların şekil ve yapıları ile ilgilenen dalına morfoloji (biçim bilimi) adı verilmektedir. Matematiksel morfoloji ise temel küme işlemlerine dayanan, imgedeki sınırlar, iskelet gibi yapıların tanımlanması ve çıkartılması, gürültü giderimi, bölütleme gibi uygulamalar için gerekli bir araçtır. İmge işlemede genellikle, morfolojik süzgeçleme, inceltme, budama gibi ön veya son işlem olarak da sıkça kullanılırlar [3]. Matematiksel morfoloji, imgenin şekilsel yapısına dayanan kümeler teorisine üzerine kurulmuş bir yaklaşımdır. Matematiksel morfoloji teorisinin temelleri İlk olarak Georges Matheron ve Jean Serra tarafından 1980 li yıllarda atılmıştır. Bu metodun temelinde iki morfolojik operatör olan aşınma ve genleşme yatmaktadır. Dijital sinyaller için aşınma işlemi, bir Minkowski küme çıkarma işlemi, genleşme işlemi ise Minkowski küme toplama işlemidir. Aşınma işlemi kümeler cebirinde kesişim işlemine, genleşme işlemi ise kümeler cebirinde birleşim işlemine denk düşmektedir. Bu işlemler Serra tarafından ikili olmayan sinyallere de genişletilmiştir [1] [4]..1. İkili Morfolojik İşlemler Temel ikili morfolojik işlemlerin matematiksel ifadeleri aşağıdaki denklemlerle tanımlanmaktadır. X B { p Z : p x b, x X, b B} (genleşme) (1) 17
M. Karhan, M. O. Oktay, Z. Karhan, H. Demir X B { p Z : p b X, B} X B ( X B) B X B ( X B) B.1.1. Genleşme İşlemi (aşınma) () (açma) (3) (kapama) (4) İkili imgedeki nesneyi büyütmeye ya da kalınlaştırmaya yarayan morfolojik işlemdir. Sayısal bir imgeyi genişletmek imgeyi yapısal elemanla kesiştiği bölümler kadar büyütmektir. İşlenecek imgenin her bir pikseli, yapısal elemanın merkez noktasına oturtularak genleşme işlemi yapılmaktadır. Kalınlaştırma işleminin nasıl yapılacağını yapısal eleman belirler. Genleşme işlemi uygulanmış bir imgede, imge içerisindeki deliklerin ve boşlukların doldurulması ve köşe noktasının yumuşaması gözlenir [3][4][5]. Şekil 1 ve 3 te ikili genleşme işlemi uygulanmış imgeler gösterilmektedir. İkili genleşme işlemi denklem 5 ve 6 ile tanımlanmaktadır. A B { z Z z a b, a A ve b B} A B ( A) b B.1.. Aşınma işlemi b (5) (6) İkili imgedeki nesneyi küçültmeye ya da inceltmeye yarayan morfolojik işlemdir. Aşınma işlemi tam anlamıyla olmasa da bir bakıma genleşme işleminin tersi gibidir. İmge içerisindeki nesneler ufalır, delik varsa genişler, bağlı nesneler ayrılma eğilimi gösterir [3] [4] [5]. Şekil ve 3 te ikili aşınma işlemi uygulanmış imgeler gösterilmektedir. İkili aşınma işlemi denklem 7 ve 8 ile tanımlanmaktadır..1.3. Açma İşlemi İmge üzerinde aşınma işleminin hemen ardından genleşme işlenmesi uygulanması sonucu açma işlemi elde edilir. İmge içerisindeki nesneler ve nesneler arasındaki boşluklar yapısal elemanın büyüklüğüne göre temizlenir. İmge üzerinde kalan nesneler orijinal imgedeki şekillerinden biraz daha küçük hale gelir. Açma işlemi ile birbirine yakın iki nesne imgede fazla değişime sebebiyet vermeden ayrılmış olurlar [4][6]. Şekil 4 te açma işlemi uygulanmış imge gösterilmektedir. İkili açma işlemi denklem 9 ile tanımlanmaktadır. A B ( A B) B.1.4. Kapama İşlemi İmge üzerinde genleşme işleminin hemen ardından aşınma işleminin uygulanması sonucu kapama işlemi elde edilir. Dolayısıyla birbirine yakın iki nesne imgede fazla değişiklik yapılmadan birbirine bağlanmış olur. [4][6]. Şekil 4 te kapama işlemi uygulanmış imge gösterilmektedir. İkili kapama işlemi denklem 10 ile tanımlanmaktadır. Kapama işlemi sonunda imge içerisindeki noktalar birbirlerini kapatırlar, imgedeki ana hatlar daha da dolgunlaşır. Genleşme işlemine benzer bir şekilde kapama işleminde de birbirine yakın olan noktalar arasındaki boşluklar dolar ve noktalar birleşir. İmge üzerinde kalan nesneler, orijinal imgedeki şekillerine bürünürler. A B ( A B) B (9) (10) A B { z z A, B} A B ( A) b B (7) (8) Şekil 3: 3x3 Yapısal elemanı ile genleşme ve aşınma işlemi Şekil 1: Genleşme işlemi Şekil : Aşınma işlemi 173 Şekil 4: 3x3 Yapısal elemanı ile açma ve kapama işlemi
Morfolojik Görüntü İşleme Yöntemleri ile Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti.. Yapısal Eleman Yapısal eleman olarak isimlendirilen yapı, imge üzerinde yapacağımız işleme ve yapmak istediğimiz uygulamaya göre istenilen boyutlarda ve istenilen şekilde hazırlanmış küçük ikilik bir imgedir. Yapısal eleman farklı geometrik şekillerden herhangi biri olabilir. En çok kullanılanları kare, dikdörtgen ve dairedir [5]. Şekil 5 te 3x3 lük yapısal eleman örnekleri verilmektedir. İmgede koyu tonlu bölgelerle çevrili olan parlak bölgeler genişlerken, parlak bölgelerle çevrili koyu tonlu bölgeler zayıflamakta, hatta yapısal elemanın ve koyu tonlu bölgenin boyutuna bağlı olarak kaybolabilmektedir. Gri seviyeli imgede uygulanan aşınma işlemi, imge daha koyu bir hal alır. İmgede koyu tonlu bölgelerle çevrili olan parlak bölgeler daralırken, parlak bölgelerle çevrili koyu tonlu bölgeler genişlemektedir [6][7][8]..4. Ortalama Süzgeç Şekil 5: 3x3 Yapısal eleman örnekleri.3. Gri Seviyeli Morfolojik İşlemler Gri seviyeli bir imgenin B yapısal elemanı ile genleşme işlemi denklem 11 ile tanımlanmaktadır [5][7][8]. Şekil 6 da gri seviyeli imgeye 15x15 kare yapısal elamanı ile genleşme işlemi uygulanmış hali gösterilmektedir. ( f b f )( s, t) max{ f ( s x, b( x, ( s x),( D ;( s, D } (11) Burada D f ve D b, sırasıyla f ve b nin tanım bölgeleridir. Genleşme işleminden sonra imge daha parlaktır. Gri seviyeli aşınma işlemi denklem 1 ile tanımlanmaktadır [5][7][8]. Şekil 6 da gri seviyeli imgeye 15x15 kare yapısal elamanı ile aşınma işlemi uygulanmış hali gösterilmektedir. ( f )( s, t) max{ f ( s x, b( x, ( s x), ( D f ;( s, Db} Aşınma işleminden sonra imge daha koyudur. (1) Ortalama süzgeç, imgedeki gürültüyü azaltmak için yaygın olarak kullanılan, basit bir süzgeç tipidir. Ortalama süzgeçleme, gürültülü imge üzerindeki her bir pikselin değeri o piksele komşu olan diğer piksellere ait değerlerin ortalaması ile değiştirilir. Bu çalışmada, aritmetik ortalama süzgeci kullanılmıştır. Ortalama süzgeci, katlama süzgeç olarak da düşünmek mümkündür. Gürültü çeşidine ve büyüklüğüne göre kullanılacak maske tipi seçilmelidir. Genellikle 3X3 lük maskeler kullanılmaktadır fakat daha büyük gürültü temizleme işlemleri için daha büyük boyutta maskeler kullanılmalıdır. Küçük maskelerin imgeye ardışıl bir şekilde uygulanması koşuluyla, büyük bir maskenin imge üzerinde yarattığı etkiye benzer bir etki oluşturması mümkündür. Şekil 7: 3x3 lük Ortalama süzgeç maskesi Ortalama süzgeçte, seçilen farklı boyutlarda ve değerlerde ortalama süzgeç maskesine göre oluşturulan yeni ortalama piksel değerleri ile imgedeki gürültülerin eliminasyonu sağlanır. Ortalama süzgecin dezavantajları: 1) İmgede çok düşük değere sahip olan bir piksel, o piksele komşu olan bütün piksellerin ortalamasını büyük oranda etkiler ve dolayısıyla işlemlerde yanılsamaya neden olur. ) Süzgeç kerneli belirgin kenarlar üzerinde işlem yaptığında, gürültü pikseller için gösterdiği etkiyi kenarlarda da gösterebilecek ve böylece imgedeki belirgin detaylar ve kenarlar da bulanıklaşabilecektir. Eğer işlem sonundaki imgede belirgin kenarlar önem arz ediyorsa, bu durum problem yaratabilecektir [7][9]. Şekil 6: Gri seviyeli aşınma ve genleşme işlemi Gri seviyeli imgelerde yapılan morfolojik işlemler sonucunda; III. UYGULAMA Bu çalışmada, yaprak delen (çil) hastalığı sonucu meyve üzerindeki belirtilerini temel alan bir imge kullanıldı [11]. Gri seviyeli imgede uygulanan genleşme işlemi, imge daha parlak bir hal alır. 174
M. Karhan, M. O. Oktay, Z. Karhan, H. Demir Öncelikle işleyeceğimiz imge, morfolojik işlemleri yapabilmemiz için bantlarına ayrıştırıldı. Şekil 8 de RGB imgenin her bir bandı gösterilmektedir. RGB imgeler uygun eşik seviyesine göre ikili imgeye çevrildi. Bu işlem sonucunda elde edilen yeni imgeler Şekil 11 de gösterilmektedir. Elde edilen imgeler içerisinde leke tespitine yönelik, ortalama süzgeç çıkışında tespitin daha yüksek doğrulukta yapılması için ikili imgelere açma işlemi uygulandı. Ortalama süzgeçten önce ikili imgelere açma işlemi uygulanmış hali Şekil 1 de gösterilmektedir. Şekil 8:RGB imgenin her bir bandının görünümü Ayrıştırılan her bir banda, uygun yapısal eleman ile birlikte leke tespitine yönelik, öncelikle gri seviyeli genleşme işlemi uygulandı ve yine aynı banda gri seviyeli aşınma işlemi uygulandı. Elde edilen imgeler birbirinden çıkarılarak, leke için kenarlar keskinleştirildi [3][10]. Şekil 9 da RGB imgenin her bir bandının leke tespitine yönelik gri seviyeli morfolojik işlemlerden geçirilmiş hali gösterilmektedir. Şekil 11: RGB imgelerin uygun eşik seviyesine göre ikili imgeye çevrilmiş hali Şekil 1: İkili imgelere açma işlemi uygulanmış hali Şekil 9: RGB imgenin her bir bandının morfolojik işlemlerden geçirilmiş hali Elde edilen leke kenarları keskinleştirilmiş gri seviyeli imgeler, her bant için bir bant katsayısı çok yüksek tutulup diğer iki bant için düşük ve aynı tutulup, bu bantlar üst üste çakıştırılarak RGB imgeler elde edildi. Bu işlemler sonucunda oluşan yeni imgeler Şekil 10 da gösterilmektedir. Açma işlemi uygulanmış ikili imge ortalama süzgeçten geçirilerek leke tespiti yüksek doğruluk payı ile gerçekleşti. Açma işlemi uygulanmış ikili imge ortalama süzgeçten geçirilerek bulunan lekeler Şekil 13 te gösterilmektedir. Şekil 13: Açma işlemi uygulanmış ikili imge ortalama süzgeçten geçirilerek bulunan lekeler IV. SONUÇ Şekil 10: RGB imgenin her bir bandının morfolojik işlemlerden geçirilerek ve her bir bant için katsayılar farklı tutularak RGB imgenin yeniden elde edilmesi. Bu çalışma sonucunda elde edilen doğruluk oranı, yeterince başarılı olduğu gözlemlenmiştir. Daha farklı, daha karmaşık yöntemler gerek duyulmadan, sadece morfolojik işlemler ve süzgeç yardımı ile leke tespiti, başarım oranı yüksek bir 175
Morfolojik Görüntü İşleme Yöntemleri ile Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti şekilde uygulanmıştır. Kayısı üzerinde leke tespiti yapılırken ayrıştırılan bölgelerde, kayısının leke olmayan, olgunlaşmasından dolayı oluşan kırmızılıkların, ikili imgede oluşturduğu yanılsama lekeler çalışmada başarım oranını düşürmüştür. Bu yanılsama lekeler, daha uygun süzgeç yardımıyla giderilebilir ve başarım oranı arttırılabilir. Bunun yanı sıra, lekeye (çile) daha uygun bir yapısal eleman ile süzgeç öncesi imgede ikili açma işlemi ile bu yanılsama lekeleri elimine edip, süzgeç çıkışında leke (çil) tespitinde başarı oranını daha da arttırılabilir. KAYNAKLAR [1] Serra J., Image Analysis and Mathematical Morphology,Vo1. London: Academic 198 [] U. Acar, B. Bayram, Morfolojik Görüntü Süzgeçleri İle İkonos Görüntülerinden Otomatik Bina Çıkarımı, TMMOB Harita ve Kadastro Mühendisleri Odası 1. Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara, 11-15 Mayıs 009. [3] Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins, Digital Image Processing Using MATLAB. [4] Özgür Özşen, Matematiksel Morfoloji Kullanılarak Göğüs Kanserinin Erken Teşhisi, Anadolu Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı Yüksek Lisans Tezi, 00. [5] H. Boztoprak, M. F. Çağlar, M. Merdan,"Alternatif Morfolojik Bir Yöntemle Plaka Yerini Saptama", XII. Elektrik, Elektronik, Bilgisayar, Biyomedikal Mühendisliği Ulusal Kongresi, Eskişehir, Kasım 007. [6] Mevlüt Topaloğlu, Ali Gangal, Watershed Dönüşümü Kullanılarak Corpus Callosumun Bölütlenmesi, URSI-Türkiye 006 3. Bilimsel Kongresi, Ankara, 6-8 Eylül 006. [7] Kızılkaya A., Görüntü İşleme ders notları, Pamukkale Üniversitesi. [8] Taner İnce, Edge Detection in Medical Images Using Morphological Operators, University of Gaziantep, Electrical and Electronics Engineering, M.Sc. Thesis, June 006. [9]Uğur Şevik, Okyay Gençalioğlu, Cemal Köse," Retina Görüntülerinde Yaşa Bağlı Makula Dejenerasyonunun Bölge Büyütme Yöntemiyle Segmentasyonu", Elektrik Elektronik - Bilgisayar Mühendisliği 1. Ulusal Kongresi ve Fuarı Bildirileri, Kasım 007. [10] Preechaya S., Morphological Image Processing, Graduate School of Informatıon Sciences and Engineering, Tokyo Institute of Technology For IP Seminar, 4 November 004 [11] http://www.erzincanbk.gov.tr/kayhast.htm, (Erişim Tarihi: Şubat 011) 176