Mathematical Morphology

Automated visual inspection system (AVIS) is a method of analyzing, classifying, detection defects for products at the production line. Usually, this inspection is either conducted by human, machine or both. In this paper, we explain an algorithm that capable to classify mechanical products in real time. The system is consists of two parts: hardware and software. The algorithm used the web-camera attaching to an adjustable arm to capture various image. Our main objective is to develop an image processing algorithm and fuzzy reasoning that can compute both the area and circularity of mechanical shapes and hence classify them according to their categories. The result shows the accuracy of classification is 80.5 % for group classification and 98% for individual classification of mechanical parts.

El número, tamaño y distribución de células sanguíneas proporciona información importante para el diagnóstico médico. Los tres tipos de células presentes en la sangre son: eritrocitos (glóbulos rojos), leucocitos (glóbulos blancos) y trombocitos (plaquetas).
Entre las técnicas existentes para el análisis de estas células se encuentra el método manual o convencional y los equipos automatizados. A pesar de su utilidad, estos equipos representan un alto costo en mantenimiento y consumo de reactivos para los centros de diagnóstico, además, no permiten la observación celular. Para ayudar a solucionar parte de este problema, se hizo una revisión del estado del arte de las técnicas de procesamiento digital de imágenes utilizadas en microscopía, para aplicarlas en la detección de eritrocitos, ya que éstos, en conjunto con la hemoglobina y el hematócrito, se utilizan para diagnosticar normalidad, anemia o policitemia en pacientes. Se presentan los algoritmos encontrados en la literatura, y el método propuesto a partir de las técnicas seleccionadas para finalmente llegar a la detección y conteo de eritrocitos.

W pracy przedstawiono nową metodę klasyfikacji treści zdjęć satelitarnych, opartą na wykorzystaniu granulometrycznej analizy tekstury obrazu. Opisano podstawy teoretyczne zaprezentowanej metody oraz zbadano jej dokładność, w zależności od wybranych parametrów przetworzeń granulometrycznych oraz cech obrazów źródłowych. Porównano ją także z innymi, dotychczas stosowanymi metodami klasyfikacji treści zdjęć satelitarnych.
Istotą zaproponowanej metody jest wykorzystanie, oprócz danych spektralnych, również map granulometrycznych, czyli obrazów zawierających informację na temat tekstury obrazu w otoczeniu poszczególnych pikseli, powstających w wyniku granulometrycznych przetworzeń obrazu. Ważną zaletą granulometrii obrazowej jako metody oznaczania tekstury obrazu jest, m.in., wieloskalowość, czyli możliwość określania stopnia tekstury o rożnych rozmiarach ziarna. Drugą kluczową zaletą jest prawidłowe działanie również na krawędziach obiektów na obrazie, czyli odporność na tzw. błąd krawędzi. Przedstawiona metoda klasyfikacji polegająca na złożeniu map granulometrycznych i oryginalnych obrazów wielospektralnych pozwala uwzględniać kontekstową cechę interpretacyjną
– teksturę, zwiększając możliwości klasyfikacji, a jednocześnie cechuje się dużą prostotą wykonania, podobną do klasycznej pikselowej klasyfikacji spektralnej.
Efektywność granulometrii obrazowej zbadano pod kątem kilku czynników: rozdzielczości przestrzennej i rodzaju obrazu źródłowego, rodzaju morfologicznych operacji otwarcia i domknięcia oraz rozmiaru okna granulometrii określającego przestrzenny zasięg obliczenia lokalnej granulometrii
względem poszczególnych pikseli.
W pierwszej kolejności przeanalizowano separatywność wybranych klas pokrycia lub użytkowania terenu na podstawie wyłącznie danych spektralnych, a także na podstawie map granulometrycznych.
W wybranych przypadkach, dzięki zastosowaniu analizy granulometrycznej, stwierdzono znaczny wzrost separatywności klas.
Główna część pracy koncentruje się na badaniu dokładności klasyfikacji wykonanej przy użyciu zaproponowanej metody. Uzyskane wyniki dowodzą, że wykorzystanie map granulometrycznych w procesie klasyfikacji może znacząco podnieść jej dokładność. Stwierdzono przy tym istotny wpływ rozdzielczości obrazu źródłowego na efektywność badanej metody. Określono i opisano również znaczenie pozostałych, przedstawionych wyżej parametrów przetworzeń granulometrycznych, i samej klasyfikacji. Wnioski z badań pozwoliły na przedstawienie propozycji modelu dwuetapowej
klasyfikacji wykorzystującej zarówno wyniki klasyfikacji spektralnej, jak i spektralno-teksturowej, co pozwoliło na uzyskanie optymalnej dokładności.
Zaproponowana metoda może być stosowana w procesie półautomatycznego tworzenia map pokrycia lub użytkowania terenu na podstawie zdjęć satelitarnych lub lotniczych, pozwalając uzyskiwać większa dokładność, niż klasyfikacja w podejściu spektralnym.

En este trabajo se presenta la base teórica para la construcción de operaciones morfológicas
rápidas con elementos de estructura arbitrarios (representados por un conjunto B),
dentro de una familia de 4 espacios métricos. Se entiende por elemento de estructura arbitrario
un arreglo finito de píxeles que forman un conjunto no vacío. La
base teórica desarrollada en esta tesis, resalta propiedades de algunos espacios métricos;
además se introducen conceptos como esqueleto morfológico usando la transformada rápida
de distancia. Los resultados desarrollados aquí, son generales en el sentido de que engloban
métricas comúnmente utilizadas, tales como las métricas d4, d8, d6L y d6R.

This paper presents a design for rule-based machine translation system for English to Marathi language pair. The machine translation system will take input script as English sentence and parse with the help of Stanford parser. The Stanford parser will be used for main purposes on the source side processing, in the machine translation system. English to Marathi Bilingual dictionary is going to be created. The system will
take the parsed output and separate the source text word by word and searches for their corresponding target words in the bilingual dictionary. The hand coded rules are written for Marathi inflections and also reordering rules are there. After applying the reordering rules, English sentence will be syntactically reordered to suit Marathi language