تشخیص خودکار توزیع اندازه ذرات از طریق تجزیه و تحلیل تصویر بر اساس آشکارسازی لبه تطبیقی محلی کنی و تغییر شکل دایره‌ای هاف

برای به دست آوردن اندازه نانوذرات، میکروسکوپ الکترونی روبشی (SEM) و میکروسکوپ الکترونی عبوری (TEM) به طور گسترده‌ای مورد استفاده قرار گرفتند، اما اندازه‌گیری دستی توزیع اندازه آماری از تصاویر میکروسکوپ الکترونی روبشی به میکروسکوپ الکترونی عبوری وقت گیر بوده و نیاز به کار زیادی دارد. بنابراین، روش‌های آشکارسازی خودکار در اینجا مطلوب هستند. این مقاله یک الگوریتم پردازش تصویر که عمدتاً بر اساس آشکارسازی کنی و تغییر دایره‌ای اصلاح شده هاف است، پیشنهاد می‌کند. الگوریتم پیشنهادی می‌تواند آستانه‌های محلی را برای تشخیص ذرات از تصاویر با درجات پیچیدگی مختلف به کار بگیرد/ در مقایسه با نتایج به دست آمده از اعمال آستانه‌های جهانی، الگوریتم ما عملکرد بسیار بهتری دارد. استحکام و اعتبار این روش با مقایسه نتایج آن با اندازه‌گیری دستی تأیید شده است و توافق بسیار عالی به دست آمد. روش پیشنهادی می‌تواند ذرات با راندمان بالا را به دقت تشخیص دهد.

To obtain size distribution of nanoparticles, scanning electron microscope (SEM) and transmission electron microscopy (TEM) have been widely adopted, but manual measurement of statistical size distributions from the SEM or TEM images is time-consuming and labor-intensive. Therefore, automatic detection methods are desirable. This paper proposes an automatic image processing algorithm which is mainly based on local adaptive Canny edge detection and modified circular Hough transform. The proposed algorithm can utilize the local thresholds to detect particles from the images with different degrees of complexity. Compared with the results produced by applying global thresholds, our algorithm performs much better. The robustness and reliability of this method have been verified by comparing its results with manual measurement, and an excellent agreement has been found. The proposed method can accurately recognize the particles with high efficiency.