Ovaj rad predstavlja komparativnu analizu tri različita pristupa detekciji kružnih objekata u digitalnoj obradi slike, s fokusom na automatsko brojanje kovanica. Glavni doprinos rada nije predlaganje novog algoritma u globalnom smislu, nego eksperimentalna komparacija tri klasična pristupa u istom kontrolisanom scenariju: morfološki pipeline (kombinacija uobičajenih koraka obrade slike prilagođenih domeni), Hough transformacija kruga i blob detekcija (SimpleBlobDetector). Evaluacija se oslanja na ručno anotiran mali skup od šest slika, jedinstven evaluacijski okvir temeljen na IoU i F1, te praktičnu Django web aplikaciju za testiranje i edukaciju. Sva tri algoritma testirana su uz ground truth anotacije; rezultati pokazuju da morfološki pristup postiže vrlo visoke performanse (F1=1.0, prosječni IoU=0.77) u kontrolisanim uslovima sa uniformnom pozadinom, dok Hough i Blob pristup pokazuju značajno slabije agregatne rezultate (F1=0.382 i 0.404). Detaljno je analizirana razlika u performansama, sa posebnim osvrtom na ulogu HSV segmentacije pozadine kao ključnog faktora uspjeha morfološkog pristupa. Implementacija omogućava interaktivno testiranje, usporedbu algoritama i podešavanje
parametara putem korisničkog sučelja. Rad demonstrira praktičnu primjenjivost klasičnih metoda u kontrolisanim industrijskim scenarijima i nudi alat za edukaciju i istraživanje u oblasti digitalne obrade slike.
This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
0
The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.