การจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ

โดย นายชาตรี กอบัวแกว

วิทยานิพนธนีเ้ปนสวนหนึง่ของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรมหาบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร

ภาควิชาคอมพิวเตอร บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร

ปการศึกษา 2550 ลิขสิทธ์ิของบัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร

การจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ

โดย นายชาตรี กอบัวแกว

วิทยานิพนธนีเ้ปนสวนหนึง่ของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรมหาบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร

ภาควิชาคอมพิวเตอร บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร

ปการศึกษา 2550 ลิขสิทธ์ิของบัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร

IDENTIFICATION OF AMULETS WITH SPECIAL FEATURE MATCHING

By Chatree Korbuakaew

A Thesis Submitted in Partial Fulfillment of the Requirements for the Degree MASTER OF SCIENCE

Department of Computing Graduate School

SILPAKORN UNIVERSITY 2007

บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร อนมัุติใหวิทยานพินธเร่ือง “ การจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ ” เสนอโดย นายชาตรี กอบัวแกว เปนสวนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรมหาบัณฑิต สาขาวชิาวิทยาการคอมพิวเตอร

..…........................................................... (รองศาสตราจารย ดร.ศิริชัย ชินะตังกูร)

คณบดบัีณฑิตวิทยาลัย วันท่ี..........เดือน.................... พ.ศ...........

อาจารยท่ีปรึกษาวิทยานิพนธ ผูชวยศาสตราจารย ดร.ปานใจ ธารทัศนวงศ คณะกรรมการตรวจสอบวทิยานิพนธ .......................................................................... ประธานกรรมการ (ผูชวยศาสตราจารย นันทนภัส โตอดิเทพย) ............/......................../.............. .......................................................................... กรรมการ (ผูชวยศาสตราจารย ดร.ปานใจ ธารทัศนวงศ) ............/......................../.............. .......................................................................... กรรมการ (ผูชวยศาสตราจารย ดร.ชมทิพ พรพนมชัย) ............/......................../..............

ง

45307303 : สาขาวิชาวิทยาการคอมพิวเตอร คําสําคัญ : การรูจําภาพพระผง/การจําแนกภาพพระผงดวยการเปรียบเทียบลักษณะพิเศษ ชาตรี กอบัวแกว : การจาํแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ. อาจารยท่ีปรึกษาวิทยานพินธ : ผศ.ดร.ปานใจ ธารทัศนวงศ. 114 หนา.

การวิจัยคร้ังนี้มีวัตถุประสงคเพื่อสรางและทดสอบประสิทธิภาพของระบบการจําแนกพระผง โดยเร่ิมตนจากการนําภาพพระผงจากภาพถายดานหนาขององคพระมาปรับขนาด แลวนําภาพดังกลาวเขามาสูระบบ ทําการเลือกพิมพทรงของพระผง ซ่ึงแยกประเภทออกเปน 4 พิมพทรง ไดแก ทรงส่ีเหล่ียม ทรงสามเหล่ียม ทรงสองเหล่ียมหัวมน และไมมีเหล่ียมหรือทรงกลม จากน้ันนําภาพเขาสูกระบวนการหาเสนขอบตามลักษณะพิเศษเฉพาะของพิมพทรงและพุทธศิลป และข้ันตอนสุดทายจะเปนการเปรียบเทียบลักษณะพิเศษเฉพาะของพิมพทรงและพุทธศิลปของพระผงท่ีนํามาทดสอบกับลักษณะพิเศษเฉพาะของพระผงท่ีฝกใหระบบรูจําแลวจัดเก็บไวเปนแมแบบ

ผูวิจัยไดทําการทดลอง โดยใชภาพพระผงจํานวน 400 ภาพ มาทําการทดสอบการจําแนกของระบบเปรียบเทียบกับภาพพระผงท่ีจัดเก็บไวเปนแมแบบจํานวน 140 ภาพ รวมจํานวนการทดลองท้ังส้ิน 1300 คร้ัง พบวาการเพ่ิมประสิทธิภาพการจําแนกของระบบ สรุปไดดังนี้

1. ขนาดภาพสีนําเขาท่ีจะนํามาใชกับระบบสําหรับพิมพทรงส่ีเหล่ียม ทรงสามเหล่ียมทรงสองเหล่ียมหัวมนและทรงไมมีเหล่ียมท่ีไมใชทรงกลมควรมีขนาด 60x80 พิกเซล และทรงกลมควรมีขนาด 70x70 พิกเซล

2. เมตริกซท่ีเหมาะสมสําหรับการคํานวณหาลักษณะพิเศษควรใชขนาด 11x3 3. คา Correlation Coefficient ท่ีทดลองแลวพบวามีประสิทธิภาพในการจําแนกมาก

ท่ีสุด คือ 0.8 ซ่ึงระบบสามารถจําแนกไดถูกตองรอยละ 93.50 และเปนคาเดียวที่สามารถจําแนกภาพพระผงซ่ึงเปนพิมพทรงเดียวกัน ซ่ึงมีพุทธศิลปแตกตางกันไมมากนัก มาเปนผลในการจําแนกดวย

นอกจากนี้ยังพบวาระบบสามารถจําแนกพระผงที่มีลักษณะพิมพทรงเดียวกันแตไมไดเปนภาพท่ีใชฝกใหระบบรูจําไดคอนขางมีประสิทธิภาพ เพราะสามารถคนพบภาพในฐานขอมูลรอยละ 79.00 ซ่ึงสามารถจําแนกไดถูกตองรอยละ 100 โดยใชเวลาเฉล่ียในการจําแนกเพียงภาพละ 10 วินาที และระบบยังสามารถจําแนกพระผงที่อยูในสภาพท่ีไมสมบูรณเพียงเล็กนอยไดอีกดวย ภาควิชาคอมพวิเตอร บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร ปการศึกษา 2550 ลายมือช่ือนักศึกษา..................................................... ลายมือช่ืออาจารยท่ีปรึกษาวทิยานิพนธ .....................................................

จ

45307303 : MAJOR : COMPUTER SCIENCE KEY WORD : AMULETS RECOGNITION/IDENTIFICATION FEATURE MATCHING CHATREE KORBUAKAEW : IDENTIFICATION OF AMULETS WITH SPECIAL FEATURE MATCHING. THESIS ADVISOR : ASST.PROF.PANJAI TANTASANAWONG,Ph.D. . 114 pp.

The purposes of this research were to construct and test the efficiency of The

Identification of Amulets System. The first state is resizing the input image (use the image in

front of the amulet and only made from dusts) then open it to the system and the next state

select shape of amulets for 4 angles, 3 angles, 2 angles or no angle, then it will be passed

to smooth process and applied canny edge detection algorithm. Final state is matching

between the edge and image template by using special feature matching.

The duration of the experiment covered 400 input images compare with 140

images in template over 1,300 identification test.

The experimental result has shown that the system is more efficient in addition

to,

1) The size of input image with this system for 4 angles, 3 angles 2 angles and

no angle was not a circle was 60 x 80 pixels and no angle was a circle was 70 x 70 pixels

2) The matrix was use for calculated on Gaussian Smoothing Filter in Canny

Edge Detection process could be used [11 x 3]

3) The most highly effective correlation coefficient was 0.8. The average score of

correctly identification was 93.50 percent and it was only one value to identified the same

amulets (the amulet is has a little difference edge and detail)

Otherwise, the system could be used identification some of the same amulets,

take which one was don’t have in template, on the highly effective. The average score of

correctly identification was 100 percent, a chance to detected the amulet was 79.00 percent.

The system take an identification’s average time in 10 second. And if the amulet had a little

damage, the system could be identified it.

Department of Computing Graduate School, Silpakorn University Academic Year 2007

Student's signature......................................

Thesis Advisor's signature ………….………….…………

ฉ

กิตติกรรมประกาศ

ในการวิจัยคร้ังนี้สําเร็จลุลวงไปดวยดีนั้น ผูวิจัยตองขอขอบพระคุณอาจารยท่ีปรึกษา ผูชวยศาสตราจารย ดร.ปานใจ ธารทัศนวงศ ประธานกรรมการ ผูชวยศาสตราจารย นันทนภัส โตอดิเทพย และกรรมการผูทรงคุณวุฒิ ผูชวยศาสตราจารย ดร.ชมทิพ พรพนมชัย ท่ีกรุณาใหคําปรึกษาและตรวจสอบความถูกตองของงานวิจัยในคร้ังนี้ ขอขอบพระคุณบิดา มารดา คุณศิริวรรณ กอบัวแกว และพ่ีนองทุกคนท่ีคอยใหกําลังใจ รวมทั้งเปนแรงผลักดันใหผูวิจัยไดศึกษาตอจนสําเร็จการศึกษา ขอบพระคุณกรมพัฒนาฝมือแรงงานท่ีใหโอกาสเรียนตอในระดับบัณฑิตศึกษา และสุดทายนี้ตองขอบคุณเพื่อนทุกคนท่ีใหความชวยเหลือและเปนกําลังใจใหกันตลอดมา

ช

สารบัญ หนา บทคัดยอภาษาไทย ................................................................................................................ ง บทคัดยอภาษาอังกฤษ ........................................................................................................... จ กิตติกรรมประกาศ................................................................................................................. ฉ สารบัญตาราง ........................................................................................................................ ญ สารบัญภาพ ........................................................................................................................... ฐ บทท่ี 1 บทนํา......................................................................................................................... 1 ความเปนมาและความสําคัญของปญหา ............................................................ 1 วตัถุประสงคของการวิจยั .................................................................................. 2 ขอบเขตการวิจยั................................................................................................. 2 เคร่ืองมือท่ีใชในการวจิัย.................................................................................... 3 ข้ันตอนการศึกษา .............................................................................................. 3 นิยามศัพทเฉพาะ ............................................................................................... 3 ประโยชนท่ีคาดวาจะไดรับ ............................................................................... 4 2 เอกสารและงานวจิัยท่ีเกี่ยวของ.................................................................................. 5 การบัญญัตินามของพระเคร่ือง .......................................................................... 5 พื้นฐานภาพดิจทัิล ............................................................................................. 6 ภาพดจิิทัล(Digital Image)..................................................................... 7 สีของภาพดิจทัิล .................................................................................... 7 การเห็นภาพดจิิทัลของคอมพิวเตอร...................................................... 8 ลักษณะสําคัญของภาพพระผง........................................................................... 8 รูปรางของภาพ (Image Shape).............................................................. 9 พุทธศิลปดานหนาภายในองคพระผง.................................................... 9 การจําแนกลักษณะพิเศษเฉพาะของภาพพระผง ................................................ 10 ภาพถายพระเคร่ือง ................................................................................ 10 การเปล่ียนคาสี RGB ไปสูคาสีระดับเทา (Grey Scale).......................... 10 ทฤษฏีการหาขอบภาพ (Edge Detection) .............................................. 11 การหาขอบภาพดวย Canny Edge Detection Algorithm ....................... 13 การจําแนกชนิดของพระเคร่ืองดวยการเปรียบเทียบลักษณะพิเศษ กับภาพอางอิงในเทมเพลท .................................................................... 16

ซ

บทท่ี ............................................................................................................................................ หนา งานวิจยัท่ีเกีย่วของ............................................................................................. 17 3 วิธีดําเนินการวิจัย ....................................................................................................... 19 ข้ันตอนการวิจัย ................................................................................................. 19 ตัวอยางท่ีใชในการวิจยั...................................................................................... 20 ภาพสีพระผง...................................................................................................... 20 การสรางภาพระดับเทา ...................................................................................... 20 การหาขอบภาพ ................................................................................................. 20 การลักษณะพิเศษเฉพาะของพระผง .................................................................. 21 การจําแนกประเภทของพระผง.......................................................................... 21 การประเมินผล .................................................................................................. 21 4 ผลการดําเนินการวิจยั ................................................................................................ 23 กระบวนการนําภาพเขาสูระบบการจําแนกพระผง ............................................ 24 กระบวนการจําแนกลักษณะเฉพาะของพระผง.................................................. 25 การหาขอบภาพดวย Canny Edge Detection Algorithm ....................... 27 การหาลักษณะพิเศษเฉพาะของภาพตามความแตกตางของพุทธศิลป ... 31 การนําลักษณะพิเศษเฉพาะของภาพมาจัดสรางเปนแมแบบ.................. 32 กระบวนการจําแนกประเภทของพระผงดวยการเปรียบเทียบลักษณะพิเศษ...... 33 การทดลองโปรแกรมระบบการจําแนกพระผง.................................................. 35 การหาขนาดของภาพท่ีใชในการทดสอบ.............................................. 37 การหาขนาดของเมตริกซท่ีใชในการหาลักษณะพิเศษเฉพาะ................ 39 การหาคา Correlation Coefficient ท่ีมีประสิทธิภาพ.............................. 56 การหาประสิทธิภาพในการจาํแนกของระบบ ....................................... 64 5 สรุป อภิปรายผลและขอเสนอแนะ ............................................................................ 67 สรุปผลการวิจัย.................................................................................................. 67 การอภิปรายผล .................................................................................................. 70 ขอเสนอแนะ...................................................................................................... 71 ขอเสนอแนะในการวิจยัคร้ังตอไป ........................................................ 71 บรรณานุกรม ...................................................................................................................... 72 ภาคผนวก ........................................................................................................................... 74

ฌ

บทท่ี ............................................................................................................................................ หนา ภาคผนวก ก ภาพพระผงทรงส่ีเหล่ียมท่ีนํามาสรางเปนแมแบบ ....................... 75 ภาคผนวก ข ภาพพระผงทรงสามเหล่ียมท่ีนํามาสรางเปนแมแบบ ................... 80 ภาคผนวก ค ภาพพระผงทรงสองเหล่ียมหวัมนท่ีนํามาสรางเปนแมแบบ......... 85 ภาคผนวก ง ภาพพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีมาสรางเปนแมแบบ .. 90 ภาคผนวก จ ภาพสีพระผงพิมพทรงส่ีเหล่ียมท่ีนํามาทดสอบ ........................... 95 ภาคผนวก ฉ ภาพสีพระผงพมิพทรงสามเหล่ียมท่ีนํามาทดสอบ ...................... 97 ภาคผนวก ช ภาพสีพระผงพมิพทรงสองเหล่ียมหัวมนท่ีนาํมาทดสอบ ............ 99 ภาคผนวก ซ ภาพสีพระผงพมิพทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาทดสอบ . 101 ภาคผนวก ฌ ภาพพระผงท่ีไมไดนํามาสรางเปนแมแบบ.................................. 103 ภาคผนวก ญ คูมือการใชโปรแกรม .................................................................. 106 ประวัติผูวจิัย .......................................................................................................................... 114

ญ

สารบัญตาราง ตารางท่ี หนา 1 ขอมูลจํานวนภาพพระผงและจํานวนคร้ังท่ีทําการทดสอบในการทดลอง ...................... 36 2 เปรียบเทียบเวลาการทํางานของระบบ จากการใชภาพพมิพทรงส่ีเหล่ียม ...................... 37 3 เปรียบเทียบเวลาการทํางานของระบบ จากการใชภาพพมิพทรงสามเหล่ียม .................. 38 4 เปรียบเทียบเวลาการทํางานของระบบ จากการใชภาพพมิพทรงสองเหล่ียมหัวมน ........ 38 5 เปรียบเทียบเวลาการทํางานของระบบ จากการใชภาพพมิพทรงกลม............................. 39 6 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงส่ีเหล่ียมท่ีใชขนาดเมตริกซ ในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ0.4 ............................................................................................................ 40 7 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสามเหล่ียมท่ีใชขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4 .......................................................................................................... 41 8 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสองเหล่ียมหัวมนทีใ่ชขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4 ........................................................................................................... 42 9 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงกลมท่ีใชขนาดเมตริกซในการ หาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4 .. 43 10 ขอมูลสรุปการเปรียบเทียบการทํางานของระบบจากภาพท้ัง 4 พิมพทรงท่ีมีขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4 .......................................................................................................... 44 11 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงส่ีเหล่ียมท่ีใชขนาดเมตริกซ ในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ 0.6 .......................................................................................................... 45 12 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสามเหล่ียมท่ีใชขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.6 .......................................................................................................... 46

ฎ

ตารางท่ี หนา 13 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสองเหล่ียมหัวมนทีใ่ชขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.6 ........................................................................................................... 47 14 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงกลมท่ีใชขนาดเมตริกซในการ หาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.6 ............. 48 15 ขอมูลสรุปการเปรียบเทียบการทํางานของระบบจากภาพท้ัง 4 พิมพทรงท่ีมีขนาดเมตริกซ ในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ 0.6 .......................................................................................................... 49 16 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงส่ีเหล่ียมท่ีใชขนาดเมตริกซ ในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ0.8 ............................................................................................................ 50 17 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสามเหล่ียมท่ีใชขนาดเมตริกซ ในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ 0.8 .......................................................................................................... 51 18 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสองเหล่ียมหัวมนทีใ่ชขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.8 ........................................................................................................... 52 19 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงกลมท่ีใชขนาดเมตริกซในการ หาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.8 . 53 20 ขอมูลสรุปการเปรียบเทียบการทํางานของระบบจากภาพท้ัง 4 พิมพทรงท่ีมีขนาดเมตริกซ ในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ 0.8 .......................................................................................................... 54 21 ขอมูลสรุปการเปรียบเทียบการทํางานของระบบจากการใชภาพท้ัง 4 พิมพทรงท่ีมีขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4 เทากับ 0.6 และเทากับ 0.8 ................................................................. 55 22 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.1........................... 56 23 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.2........................... 57 24 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.3........................... 57 25 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.4........................... 58

ฏ

ตารางท่ี หนา 26 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.5........................... 58 27 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.6........................... 59 28 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.7........................... 59 29 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.8........................... 60 30 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.9........................... 60 31 ขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.95......................... 61 32 ขอมูลสรุปการเปรียบเทียบการใชคา Correlation Coefficient 0.1 – 0.95 ....................... 62 33 ขอมูลสรุปการเปรียบเทียบประสิทธิภาพการจําแนกของระบบ จากการใชคา Correlation Coefficient 0.8 – 0.95...................................................................... 63 34 ผลการจําแนกพระผงซ่ึงเปนภาพเดยีวกันกบัภาพท่ีใชสรางเปนแมแบบ ........................ 65 35 ผลการจําแนกพระผงซ่ึงไมเปนภาพเดียวกนักับภาพท่ีใชสรางเปนแมแบบ.................... 66

ฐ

สารบัญภาพ

ภาพท่ี หนา 1 โมเดลของสี RGB......................................................................................................... 7 2 เมตริกซองคประกอบของภาพ...................................................................................... 8 3 พิมพทรงของพระเคร่ือง ............................................................................................... 9 4 พุทธศิลปภายในองคพระเครื่องฯ............................. .................................................... 9 5 ข้ันตอนของการจําแนกลักษณะพิเศษเฉพาะของภาพพระเคร่ืองฯ................................ 10 6 การหาอนุพนัธแกน x,y โดยใช Mask ขนาด 3 x 3… .................................................. 12 7 ตัวอยางการหาขอบภาพพระเคร่ืองฯ โดยใช Edge Detection แบบตาง ........................ 13 8 ข้ันตอนของ Candy Edge Detection ............................................................................. 14 9 ข้ันตอนการดําเนินการวิจยั ........................................................................................... 19 10 ข้ันตอนการทาํงานของระบบการจําแนกพระผง........................................................... 23 11 ภาพท่ีมีขนาดและอัตราสวนตามลักษณะของพิมพทรงท้ัง 4 พิมพทรง ........................ 24 12 ประเภทของพมิพทรงของพระผงท่ีใชในการวิจัย......................................................... 25 13 ข้ันตอนของวธีิการจําแนกพิมพทรงของพระผง ........................................................... 26 14 ข้ันตอนของ Candy Edge Detection ............................................................................. 27 15 ข้ันตอนวิธีการแปลงภาพใหอยูในรูปแบบภาพระดับเทา ............................................. 28 16 ลําดับข้ันตอนการทํางานและ Algorithm ของ Gaussian Smoothing Filter .................. 29 17 รายละเอียดจากการหาขอบภาพโดยใชเมตริกซขนาดตาง ๆ......................................... 30 18 ลําดับข้ันตอนการทํางานและ Algorithm ของ Gradient Calculation............................ 31 19 พุทธศิลปภายในองคพระผงจากภาพดานหนาขององคพระ ......................................... 31 20 ลําดับข้ันตอนการสรางแมแบบของระบบ .................................................................... 32 21 ภาพลักษณะพเิศษของพระผงในแมแบบของระบบ ..................................................... 32 22 การเปรียบเทียบคาความเหมือนระหวางภาพพระผงนําเขากับภาพในแมแบบ ............. 33 23 ลําดับข้ันตอนการทํางานและ Algorithm ของ Image Matching ................................... 34 24 ภาพสีของพระผงทรงส่ีเหล่ียมท่ีนํามาเปนแมแบบ ....................................................... 76 25 ภาพระดับเทาของพระผงทรงส่ีเหล่ียมท่ีนํามาเปนแมแบบ ........................................... 77 26 ภาพ Edge Detection ของพระผงทรงส่ีเหล่ียมท่ีนํามาเปนแมแบบ ............................... 78 27 ลักษณะพิเศษของภาพของพระผงทรงส่ีเหล่ียมท่ีนํามาเปนแมแบบ ............................. 79

ฑ

ภาพท่ี หนา 28 ภาพสีของพระผงทรงสามเหล่ียมท่ีนํามาเปนแมแบบ................................................... 81 29 ภาพระดับเทาของพระผงทรงสามเหล่ียมท่ีนํามาเปนแมแบบ....................................... 82 30 ภาพ Edge Detection ของพระผงทรงสามเหล่ียมท่ีนํามาเปนแมแบบ........................... 83 31 ลักษณะพิเศษของภาพของพระผงทรงสามเหล่ียมท่ีนํามาเปนแมแบบ ......................... 84 32 ภาพสีของพระผงทรงสองเหล่ียมหวัมนท่ีนํามาเปนแมแบบ ........................................ 86 33 ภาพระดับเทาของพระผงทรงสองเหล่ียมหวัมนท่ีนํามาเปนแมแบบ ............................ 87 34 ภาพ Edge Detection ของพระผงทรงสองเหล่ียมหวัมนท่ีนํามาเปนแมแบบ ................ 88 35 ลักษณะพิเศษของภาพของพระผงทรงสองเหล่ียมหวัมนที่นํามาเปนแมแบบ............... 89 36 ภาพสีของพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ ............................. 91 37 ภาพระดับเทาของพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ ................. 92 38 ภาพ Edge Detection ของพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ ..... 93 39 ลักษณะพิเศษของภาพของพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ ... 94 40 ภาพสีพระผงพิมพทรงส่ีเหล่ียมท่ีนํามาใชในการทดสอบ............................................. 96 41 ภาพสีพระผงพิมพทรงสามเหล่ียมท่ีนํามาใชในการทดสอบ ........................................ 98 42 ภาพสีพระผงพิมพทรงสองเหล่ียมหวัมนท่ีนํามาใชในการทดสอบ .............................. 100 43 ภาพสีพระผงพิมพทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาใชในการทดสอบ................... 102 44 ภาพพระผงที่เปนรุนเดยีวกันกับภาพท่ีใช Train ในระบบ (1) ..................................... 104 45 ภาพพระผงที่เปนรุนเดยีวกันกับภาพท่ีใช Train ในระบบ (2) ...................................... 105 46 สวนประกอบที่สําคัญในหนาตางของโปรแกรมจําแนกพระผง ................................... 107 47 การเลือกรูปภาพพระผงท่ีตองการนํามาจําแนก ............................................................ 109 48 ลําดับข้ันตอนการใชงานของโปรแกรม........................................................................ 110 49 ลําดับข้ันตอนการฝกใหระบบรูจําพระผงท่ีไมมีในฐานขอมูล ...................................... 111 50 วิธีการจัดเก็บภาพลักษณะพเิศษเฉพาะเพ่ือเก็บไวสรางเปนแมแบบ ............................. 112 51 วิธีการสรางแมแบบดวยโปรแกรม Adobe PhotoShop ................................................ 113

บทที่ 1 บทนํา

พระเคร่ืองรางของขลัง หรือนิยมเรียกกันส้ันๆ วา “พระเคร่ือง” ถือเปนโบราณวัตถุท่ีมี

พุทธศิลปท่ีสวยงาม เปนเคร่ืองบงช้ีใหเห็นถึงศิลปวัฒนธรรมของโบราณชน และเปนเอกลักษณของพุทธศาสนิกชนคนไทยมาต้ังแตอดีตจนถึงปจจุบัน การจําแนกประเภทพระเครื่องของมนุษยในอดีตจะใชนัยนตาสังเกตจดจํารูปทรงและลักษณะเฉพาะอันประกอบดวย วรรณะ มวลสารในการจัดทํา อายุการสราง และพุทธศิลปภายในองคพระเคร่ือง ตามคําบอกเลาถายทอดสืบตอกันมา ประกอบกับความชํานาญท่ีไดเห็นพระเคร่ืองมามาก จะทําใหสามารถบอกชนิดของพระเคร่ืองได

ความเปนมาและความสําคัญของปญหา

พระเคร่ืองในอดีตนิยมสรางและจัดเก็บไวท่ีวัด แตปจจุบันนิยมนํามาติดตัวเปนเคร่ืองรางของขลังและไมมีการตั้งช่ือมาแตเดิม โดยมาขนานนามกันข้ึนเองภายหลัง ซ่ึงช่ือท่ีนํามาขนานนามพระเคร่ืองชนิดตางๆ หากถูกต้ังจากบุคคลท่ีเปนท่ียอมรับนับถือจากผูท่ีอยูในวงการพระเคร่ืองก็จะนํามาเรียกขนานนามพระองคนั้นจนรูจักกันแพรหลาย กลายเปนศัพทสากลของวงการพระเคร่ืองสืบตอไป

ปจจุบันการจะบงบอกประเภทและช่ือของพระเครื่องนั้นเปนเร่ืองยาก เพราะความชํานาญของมนุษยเกิดจากความสนใจ และประสบการณเปนสําคัญ ฉะนั้นถาบุคคลใดไมไดใหความสนใจและไมไดอยูในสวนท่ีเกี่ยวของกับพระเคร่ือง จะไมมีประสบการณ และเปนเร่ืองยากท่ีจะหาประสบการณดวยตนเองไดเหมือนในอดีต จึงเปนเร่ืองยากที่จะบงบอกประเภทหรือรายละเอียดของพระเคร่ืองท่ีตนเองสนใจหรือมีอยูไดอยางถูกตอง

เพ่ือเปนการอนุรักษ ศิลปวัฒนธรรม ประเภทโบราณวัตถุของประเทศไทยในแขนงของพระเคร่ือง จึงไดดําเนินการวิจัยเกี่ยวกับการจําแนกประเภทของพระเคร่ืองชนิดผง หรือท่ีนิยมเรียกวา “พระผง” เพื่อใชเปนเคร่ืองมือในการจําแนกและบงบอกรายละเอียดของพระผงซ่ึงประกอบดวยช่ือพระเคร่ือง พิมพทรง และสถานท่ีจัดสราง เพื่อชวยในการอนุรักษ ศิลปวัฒนธรรม โบราณวัตถุในแขนงพระเคร่ืองของไทยใหคงอยูตอไปตราบนานเทานาน รวมทั้งเปนเคร่ืองมือในการศึกษาหาความรูของบุคคลท่ีสนใจจะศึกษาเกี่ยวกับพระเคร่ืองของเมืองไทยไดมีแนวทางในการศึกษาคนหาขอมูลไดสะดวกและงายข้ึน โดยสามารถศึกษาไดดวยตนเอง

1

2

วัตถุประสงคของการวิจัย เพ่ือพัฒนาวิธีการจําแนก การบงช้ีแยกประเภทของวัตถุโบราณ ประเภทพระผง โดยอาศัยลักษณะพิเศษเฉพาะทางพิมพทรง และพุทธศิลปดานหนาของพระผง มีจุดมุงหมายดังนี้

1. จําแนกลักษณะพิเศษเฉพาะทางพิมพทรงและพุทธศิลปเฉพาะดานหนาของพระผงจากภาพถายดิจิทัล (Digital Image)

2. เพื่อนําเทคโนโลยีดานการประมวลผลภาพดิจิทัล มาใชในการจําแนกพระผงเพ่ืออธิบายรายละเอียดของพระผงในแตละพิมพทรง ซ่ึงประกอบดวย ช่ือพระ พมิพทรง และสถานท่ีจัดสราง โดยใชการเปรียบเทียบลักษณะพิเศษเฉพาะทางพิมพทรงและพุทธศิลป

3. ศึกษาและเปรียบเทียบผลลัพธจากขอมูลภาพดจิิทัลของพระผงแตละประเภท ท่ีนํามาใชในงานวิจยัการประมวลผลภาพดจิิทัล

ขอบเขตการวจัิย การใชคอมพิวเตอรในการบงช้ีประเภทเพ่ือบอกรายละเอียดเฉพาะของพระผง จากภาพถายเฉพาะดานหนาขององคพระผง โดยพิจารณาจากพิมพทรงและพุทธศิลปเฉพาะภายในองคพระผงแตละภาพ แลวนําไปเปรียบเทียบกับลักษณะพิเศษกับภาพลักษณะพิเศษในแมแบบของระบบเพ่ือหาคาลักษณะพิเศษและคาความเหมือนมาฝก (Train) ใหระบบรูจํา (Recognition) ซ่ึงมีขอบเขตงานวิจัยดังนี้

1. พระผงตองมีสภาพสมบูรณท้ังพิมพทรงและพุทธศิลป 2. พระผงตองไมมีวัตถุหอหุม 3. พระผงท่ีนํามาใชในการวิจยั มีจํานวนท้ังหมด 400 ภาพ และภาพท่ีนํามาจัดสรางเปน

แมแบบ จํานวนท้ังหมด 140 ภาพ 4. ภาพถายของพระผงท่ีนํามาจําแนกตองไดจากกลองดิจิทัล (Digital Camera) ซ่ึงมี

รูปแบบเปนบิตแมป (Bitmap) ชนิด BMP 5. ภาพถายของพระผงที่นํามาจําแนกตองเปนภาพถายดานหนาขององคพระผง โดยเลือก

พืน้หลัง (Background) ใหตัดกับสีของพระผงแตละพิมพทรง เชนพระผงสีขาวก็ควรใชพื้นหลังสีดํา เปนตน และควรเปนภาพท่ีมีความละเอียดของสี และขนาดอัตราสวน (กวางxยาว) ของภาพสอดคลองกับขนาดขององคจริง

6. ภาพถายของพระผงที่นํามาหาลักษณะพิเศษสําหรับจัดสรางเปนแมแบบจะตองมีขนาดอัตราสวน (กวาง x ยาว) สอดคลองกับขนาดของภาพพระผงท่ีนํามาจําแนก

3

เคร่ืองมือท่ีใชในงานวิจัย 1. ฮารดแวร

1.1 คอมพิวเตอร 1 ชุด - CPU ความเร็ว 1.4 GHz - RAM 512 MB - Display Card 32 MB 1.2 กลองดิจิทัล 1 ตัว

2. ซอฟตแวรท่ีใชในงานวิจัย

2.1 โปรแกรม Microsoft Windows 2.2 โปรแกรม Microsoft Word 2.3 โปรแกรม Borland C++ Builder 2.4 โปรแกรม Paradox 7 2.5 โปรแกรม Adobe Photoshop ขั้นตอนการศึกษา

1. ศึกษาขอมูลจากเอกสารและแหลงขอมูลท่ีเกี่ยวของรวมท้ังทฤษฏีตางๆ ท่ีเกี่ยวของกับ พระเคร่ืองและการประมวลผลภาพ

2. วิเคราะหและเลือกใชทฤษฎีท่ีเหมาะสม 3. เขียนโปรแกรมและทําการทดลอง 4. วิเคราะหผลการทดลอง 5. รวมรวมขอเสนอแนะ

นิยามศัพทเฉพาะ

การประมวลผลภาพ คือการนําภาพดิจิทัลมาผานการประมวลผลดวยคอมพิวเตอร เพื่อใหไดผลลัพธแบบใหมในการปรับปรุงภาพหรือบงบอกถึงลักษณะและคุณสมบัติของภาพ

วัตถุโบราณหรือโบราณวัตถุ เปนวัตถุท่ีเกิดจากการสรางของโบราณชน มิใชเกิดข้ึนเองตามธรรมชาติ ซ่ึงเปนเคร่ืองบงช้ีใหเห็นถึงศิลปวัฒนธรรมของโบราณชน

พระเคร่ือง ยอมาจากพระเคร่ืองรางหรือพระเครื่องรางของขลัง เปนวัตถุท่ีสรางข้ึนในวาระโอกาสตางๆ โดยการนําวัตถุดิบท่ีมีลักษณะเปนผง หรือเปนโลหะผสม มาหลอหรือกดตาม

4

พิมพท่ีออกแบบสรางไว เสร็จแลวนํามาปรับแตง และทําพิธีทางศาสนา เพื่อใหพุทธศาสนิกชนนําไปบูชาเปนวัตถุมงคลสําหรับ ยึดเหนี่ยวจิตใจ รวมท้ังเปนเคร่ืองคุมครองปองกันภยันตรายตางๆ

พระพิมพ เปนพระเคร่ือง ท่ีสรางข้ึนตามแบบของแมพิมพ มีลักษณะเหมือนพระเคร่ือง ทุกประการ แตวัตถุประสงคและอายุของการสรางแตกตางกัน กลาวคือ พระพิมพเปนวัตถุท่ีสรางข้ึนมาเพื่อการบุญเปนสําคัญนิยมสรางข้ีนเพื่อบรรจุไวในเจดียหรือศาสนสถานท่ีศักดิ์สิทธ์ิภายในวัดสําหรับตออายุผูสรางหรือตออายุพระพุทธศาสนาตามความเช่ือของโบราณชนในอดีต

พระผง พระเครื่องท่ีสรางข้ึน โดยการนําวัตถุดิบท่ีเปนผง เชน ผงดิน ผงยา ผงเกสรดอกไมเปนวัตถุหลัก มาผสมกดลงบนพิมพท่ีออกแบบสรางไว แลวนํามาปรับแตง และทําพิธีทางศาสนา

ประโยชนท่ีคาดวาจะไดรับ

1. สามารถนําระบบมาวิเคราะหภาพถายพระผงประเภทพิมพทรงตางๆ เพื่อจําแนกและอธิบายถึงรายละเอียดของพระผงแตละพิมพ อันประกอบดวยช่ือพระผง ช่ือพิมพทรง และสถานท่ีจัดสราง

2. เพื่อเปนแนวทางในการศึกษา คนควาสําหรับผูท่ีสนใจในศาสตรแขนงพระเครื่อง ซ่ึงเปนการสงเสริมการอนุรักษศิลปวัฒนธรรม และโบราณวัตถุอันทรงคุณคาทางจิตใจของคนไทยไว

3. เพื่อเปนพื้นฐานในการพัฒนาสูระบบการคนคืนพระเคร่ือง ท่ีอยูในสภาพไมสมบูรณ สําหรับการบูรณะ ปรับปรุงซอมแซม เพื่อดํารงไวซ่ึงการอนุรักษศิลปะ ประเภทโบราณวัตถุของประเทศไทยใหคงอยูตอไป

บทที่ 2 เอกสารและงานวิจัยท่ีเก่ียวของ

พระเครื่อง ถือเปนเอกลักษณของพุทธศาสนิกชนชาวไทย เปนวัตถุโบราณท่ีมีคุณคาทาง

จิตใจท่ีตองอนุรักษไวใหชนรุนหลังสืบตอไป พระเคร่ืองในอดีตเรียกวา “พระพิมพ” ไดถูกสรางสําหรับตออายุของผูสรางหรือตออายุพระพุทธศาสนาโดยนิยมนําไปบรรจุหรือฝงไวในศาสนสถานอันศักดิ์สิทธ์ิ เชน บรรจุไวในเจดีย บรรจุในพระอุโบสถ เปนตน ซ่ึงจัดสรางโดยใชการหลอหรือการกดลงบนแมพิมพ จึงนิยมเรียกกันวา “พระพิมพ” และตอมานิยมนํามาบูชาติดตัวจึงนิยมเรียกกันอยางแพรหลายวา “พระเครื่อง” พระเคร่ืองเหลานี้ถือเปนโบราณวัตถุท่ีตองอนุรักษไว ซ่ึงในปจจุบันไมมีงานวิจัยเกี่ยวกับการจําแนกชนิดของพระเครื่อง ดังนั้นผูวิจัยจึงไดศึกษาจากงานวิจัยท่ีเกี่ยวของ แลวจึงนํามาประยุกตใชในการวิจัยการจําแนกชนิดของพระเคร่ืองโดยเนนเฉพาะชนิดผงเปนหลัก ซ่ึงสรุปเปนข้ันตอนการวิจัยไดดังน้ี

1. การบัญญัตินามของพระเคร่ือง 2. พื้นฐานภาพดจิิทัล 3. ลักษณะสําคัญของภาพพระผง 4. การจําแนกลักษณะพิเศษเฉพาะของภาพพระผง 5. การจําแนกชนิดของพระผงดวยการเปรียบเทียบกับภาพอางอิงในแมแบบ 6. งานวิจัยท่ีเกี่ยวของ

1. การบัญญัตินามของพระเคร่ือง ตรียัมปวาย (2508: 8-10) ไดกลาววา ตามความเปนจริงแลว พระเครื่อง ทุกชนิดแตเดิม

ไมมีช่ือแตไดมาขนานนามกันข้ึนเองแทบท้ังนั้น ท้ังนี้ก็ดวยความมุงหมายท่ีจะใชเรียกชื่อกัน เพื่อการทําความเขาใจซ่ึงกันและกัน และสวนมากหรือเกือบท้ังหมดก็สืบทราบไมไดวา ไดตั้งขนานนามกันมาแตเม่ือใด แตอยางไรก็ตาม นามท่ีตั้งข้ึนไวก็ไดรับการยอมรับนับถือและรูกันแพรหลายจนเปนศัพทสากลในวงการพระเคร่ืองและท่ัวไปเปนอันดี แตเทาท่ีพิจารณาดูสังเกตไดวา การตั้งช่ือพระเคร่ือง นั้น มีหลักเกณฑ 6 ประการ ดังนี้

5

6

1.1 พระเคร่ืองท่ีสามารถสืบรูตัวผูสรางได สวนมากก็คือพระเกจิอาจารยเจาของ พระเคร่ืองนั้นเอง การต้ังช่ือพระเคร่ืองประเภทนี้ นิยมใชนามผูสรางมาเรียกช่ือพระเคร่ืองนั้น เชน พระสมเด็จ วัดระฆังฯ (ของเจาคุณสมเด็จพระพุฒาจารยโต วัดระฆังโฆสิตาราม)

1.2 พระเคร่ือง ท่ีสืบช่ือผูสรางไมไดหรือไมแนชัด แตทราบวาสรางท่ีวัดไหน จะนิยมเรียกช่ือพระเคร่ือง นั้นจากช่ือวัด เชน พระวัดพลับ พระวัดสามปล้ืม ฯลฯ

1.3 พระเคร่ือง ท่ีไมรูผูสราง และไมทราบช่ือวัด เพราะเปนวัดโบราณเหลือแตซาก การเรียกช่ือพระเคร่ือง ประเภทนี้จะใชเรียกนามตําบลเปนหลัก เชน พระทากระดาน (ของวัดกลาง ตําบลทากระดาน อําเภอศรีสวัสดิ์ จังหวัดกาญจนบุรี) พระหลุมดิน (ตําบลหลุมดิน จังหวัดราชบุรี) พระพิจิตรหัวดง (ตําบลหัวดง จังหวัดพิจิตร) เปนตน

1.4 พระเคร่ือง ท่ีไมรูนามผูสราง นามวัด และตําบลแนนอน สวนมากเปนพระเคร่ือง ท่ีมีคนรูจักนอย การเรียกช่ือพระเคร่ือง ประเภทนี้จะใชเรียกตามสมัยแหงฝมือสกุลชาง เชน เขมร ลพบุรี อูทอง สุโขทัย ฯลฯ หรือบางประเภทท่ีดูเนื้อวัตถุออกวา เปนพระเคร่ือง ของเมืองใด ก็เอาช่ือเมืองนั้นหรือจังหวัดนั้น เรียกคลุมๆ ไป เชน พระอยุธยา พระสุพรรณ พระกําแพงเพชร ฯลฯ

1.5 เรียกชื่อตามลักษณะหรือลีลาของพระเคร่ือง พระเคร่ืองประเภทนี้มีลักษณะเฉพาะเปนจุดเดน การเรียกโดยมากนิยมเรียกตามชื่อวัด ช่ือตําบล ช่ือจังหวัด หรือตามเคาพุทธลักษณะจาก พระพุทธปฏิมากรท่ีเปนหลักเปนประธานของบานเมือง เชน พระหูยานลพบุรี พระหูยานสมอปรือ (จังหวัดราชบุรี) พระเครื่องปางประทานพรหรือ “หามญาติ” จะตองเรียกช่ือนําวา “พระรวง” กอน เชน พระรวงลพบุรี พระรวงวิหารกรอ พระเคร่ืองชุดทุงเศรษฐี พระกําแพงเม็ดขนุน เปนตน

1.6 เรียกตามคุณวิเศษของพระเคร่ือง เชน พระรอด กรุวัดมหาวัน จังหวัดลําพูน มีคุณวิเศษทางดานแคลวคลาด จึงเรียกวา “พระรอด” พระคง กรุวัดพระคง จังหวัดลําพูน มีคุณวิเศษทางดานคงกระพัน จึงเรียกวา “พระคง” พระชัยวัฒน (สรางในยุครัตนโกสินทรหลายแหง เชน วัดสุทัศน ฯ) มีคุณวิเศษทางดานมีชัยชนะ จึงนิยมเรียกส้ันๆ วา “พระชัย” เปนตน

นอกจากนี้การเรียกช่ือพระเคร่ือง อาจใชหลักท้ัง 6 ประการผสมกันตามท่ีนักพระเคร่ือง ไดทราบเร่ืองราวเพิ่มข้ึน เชน พระปรกวัดปน พระกร่ิงบัวรอบ วัดบวรนิเวศ เปนตน 2. พื้นฐานภาพดิจิทัล

จันทรจิรา สินทนะโยธิน (2545:22) การประมวลผลภาพ คือการนําภาพดิจิทัลมาคาํนวณหรือประมวลผลดวยคอมพิวเตอร โดยพิจารณาจากสีแตละจุดหรือพิกเซล (Pixel) จากบริเวณ (Area) จากลวดลาย (Texture) หรือจากรูปราง (Shape) ฯลฯ เพื่อหาคาท่ีชวยในตัดสินใจวาภาพนั้นคือภาพอะไร หรือมีส่ิงท่ีเราสนใจอยูหรือไม ซ่ึงพ้ืนฐานของภาพดิจิทัลมีรายละเอียดดังนี้

7

2.1 ภาพดิจิทัล (Digital Image) จันทรจิรา สินทนะโยธิน (2545:22) คอมพิวเตอรไมสามารถมองเห็นภาพพวกนี้ได

ดังนั้นการนําภาพดังกลาวมาใชในคอมพิวเตอรจําเปนตองแปลงภาพใหอยูในรูปแบบของภาพ ดิจิทัลกอน โดยการแปลงจะใชเคร่ืองสแกนเนอรหรือกลองดิจิทัลเพราะอุปกรณดังกลาวจะมีอุปกรณอิเล็กทรอนิกสท่ีเรียกวา CCD (Charge Coupled Device) เปนตัวรับแสงแลวทําการแปลงใหเปนภาพดิจิทัลโดยแผนวงจรทางอิเล็กทรอนิกสท่ีเรียกวา วงจร Digitize

ภาพดิจิทัลจะเปนจุดๆ ไมตอเนื่องโดยจุดดังกลาวจะเรียกวาพิกเซล และความคมชัดของภาพจะข้ึนอยูกับวาพิกเซลนั้นสามารถเปล่ียนแปลงสีของพิกเซลเองไดมากนอยเพียงใด ซ่ึงทางเทคนิคจะเรียกการเปล่ียนแปลงนี้วา การเปล่ียนแปลงคาระดับเทา (Gray Level หรือ Gray Scale)

2.2 สีของภาพดิจิทัล จันทรจิรา สินทนะโยธิน (2545:22) ภาพดิจิทัล จะแทนดวยเมตริกซใน 2 มิติ โดยแตละ

หนวยในเมตริกซจะเรียกวา พิกเซลซ่ึงกระบวนการแสดงภาพใหปรากฏขึ้นมานั้น คือ การแสดงคาของเมตริกซ (Matrix)โดยแตละพิกเซลจะมีคาเฉพาะตัวแสดงถึงสีตางๆ โดยปกติภาพขาว-ดํา จะมีคาของพิกเซลอยูระหวาง 0 – 255 เชนกัน และหากจะใหเขาใจไดชัดเจนมากข้ึนสามารถพิจารณาไดจากกลองส่ีเหล่ียมท่ีมีพิกัด (0,0,0) สีขาวมีพิกัด (255,255,255) สีแดงมีพิกัด (255,0,0) สีน้ําเงินมีพิกัด (0,255,0) สีเหลืองมีพิกัด (255,255,0) สีฟาครามมีพิกัด (0,255,255) สีมวงมีพิกัด (255,0,255) ซ่ึงสีท้ังหมด 8 สีนี้จะอยูตรงมุมของกลองส่ีเหล่ียม สวนคาสีท่ีอยูในกลองจะประกอบไปดวยคา RGB ท่ีมีอัตราสวนท่ีแตกตางกันออกไปและแสดงดวยสีเฉพาะตัวสําหรับแตละอัตราสวน ดังรูป

0,0,0

0,0,255 0,255,255

255,255,255

0,255,0

255,255,0255,0,0

255,0,255

0,0,0

0,0,255 0,255,255

255,255,255

0,255,0

255,255,0255,0,0

255,0,255

ภาพท่ี 1 แสดงโมเดลของสี RGB

ตัวช้ีวัดท่ีใชในการพิจารณาภาพโดยท่ัวไปของคอมพิวเตอรมี 2 แบบ คือ คาทางสถิติ และ

อิสโตแกรม (Histogram) ของภาพ

8

- คาทางสถิติ คือ ขนาดของภาพ กวาง x ยาว จํานวนพิกเซล คาตํ่าสุด คาสูงสุด คาเฉล่ีย คาเบ่ียงเบนมาตรฐาน - ฮิลโตแกรม ไดแก กราฟที่แสดงถึงความถ่ีหรือความหนาแนนของคาสี (Gray Level) โดยแกนนอน คือ คาความเขมสี และแกนต้ัง คือ คาความถ่ีของแตละสี

2.3 การเห็นภาพดิจิทัลของคอมพิวเตอร ศิริชัย ปริตโตทกพร และ สุธี ผูเจริญชัยชนะ (2544:52) ลักษณะของขอมูลภาพดิจิทัลท่ี

จะนํามาประมวลผลในคอมพิวเตอรนั้น คอมพิวเตอรจะมองเห็นภาพดังกลาวเปนตัวเลขท่ีมีลักษณะเปนตัวเลขจํานวน และตองไมมีคาเปนลบท่ีอยูภายในของเมตริกซซ่ึงเราลองสมมติใหภาพดิจิทัลที่มีขนาด 256 x 256 พิกเซล ถูกแทนดวยฟงกชัน f(x ,y) โดยมีองคประกอบ (element) ของภาพ ซ่ึงถูกแทนดวยเมตริกซดังแสดงในภาพท่ี 2

F(1,1) F(1,2) …. F(256,1) F(2,1) F(2,2) F(256,2) … … … F(256,1) F(256,2) … F(256,256)

ภาพท่ี 2 แสดงเมตริกซองคประกอบของภาพ

สมาชิกของฟงกชัน F(x, y) เชน F(1, 1) ในทางภาพดิจิทัล จะกําหนดใหเปนคาความเขม

ของจุดภาพ ซ่ึงเรียกวาเปนคาระดับสีเทา ของภาพนั้นเอง ถากําหนดใหภาพเปนภาพ 8 บิต คาระดับสีเทา ก็จะมีคา 256 ระดับ ซ่ึงจะทําใหคาของ F(x, y) มีคาอยูในชวง (0, 256) จากคา ในเมตริกซเหลานี้จะเปนตัวเลขท่ีคอมพิวเตอรสามารถมองเห็นและเขาใจพรอมท่ีจะนําคาตัวเลขเหลานี้ไปทําการประมวลผลตอไป

3. ลักษณะสําคัญของภาพพระผง

การจําแนกพระผง เพื่อบงช้ีรายละเอียดของพระผง โดยใชทฤษฏีการประมวลผลภาพ(Image Processing) ชวยในการจําแนก โดยวิเคราะหจากลักษณะพิเศษเฉพาะของพระผง ท่ีสําคัญ 2 ประการ คือ พิมพทรง และพุทธศิลปดานหนาขององคพระผง

9

3.1 รูปรางของภาพ (Image Shape) รูปรางของพระผง สามารถบงบอกพิมพทรงเบ้ืองตนของพระเครื่องได จึงถือเปน

ลักษณะสําคัญท่ีนํามาใชเปนสวนประกอบในการจําแนกพระผง โดยวิธีท่ีนิยมใชในปจจุบันมีอยูหลายวิธี เชน การหาขอบภาพ (Edge detection) การแบงสวนภาพ (Image segmentation) เปนตนเพ่ือนํามาเปนเคร่ืองมือในการจําแนก และใชลักษณะสําคัญของพิมพทรงมาทําการวิเคราะหความแตกตาง โดยใชวิธีทางสถิติ วิธีวัดระยะแบบเฮาสดอรฟ (Hausdoff-distance based approach) และวิธีการประมาณจากรูปหลายเหล่ียม (Polygonal approximations) เปนตน งานวิจัยนี้จะนําวิธีการหาขอบภาพมาประยุกตใชในการหาลักษณะพิเศษของพระผง โดยแบงเปน 4 ประเภทซ่ึงจะพิจารณาจากลักษณะรูปทรงของพระผง และวิธีท่ีงายท่ีสุดในการพิจารณาเพื่อแบงประเภทก็คือ การนับจํานวนมุมของแตละพิมพทรง จากวิธีการดังกลาว สามารถแบงประเภทไดดังนี้ รูปทรง 4 เหล่ียม รูปทรง 3 เหล่ียม รูปทรง 2 เหล่ียมหัวมน และรูปทรงไมมีเหล่ียมหรือทรงกลม แสดงดังภาพท่ี 3

ภาพท่ี 3 แสดงพิมพทรงของพระเคร่ือง

3.2 พุทธศิลปดานหนาภายในองคพระผง พุทธศิลปดานหนาภายในองคพระผง ก็คือพื้นผิวดานหนาท่ีประกอบไปดวยลวดลาย

ศิลปะเฉพาะองค ถือเปนลักษณะเฉพาะท่ีสําคัญในการจําแนกเพื่อบงช้ีประเภทของพระผง สําหรับงานวิจัยนี้ใช Canny Edge Detection เปนเครื่องมือในการหาพุทธศิลปภายในองคพระผง ซ่ึงเม่ือผานกระบวนการหาลักษณะพิเศษแลว จะไดลักษณะพิเศษเฉพาะเปนรายละเอียดลวดลายพุทธศิลปดานหนาพระผง แสดงในภาพท่ี 4

ภาพท่ี 4 แสดงพุทธศิลปภายในองคพระเครื่อง

10

4. การจําแนกลักษณะพิเศษเฉพาะของภาพพระผง การจําแนกลักษณะสําคัญของพระผง คือการวิเคราะหหาลักษณะเฉพาะหรือพุทธศิลป

ภายในองคพระเคร่ือง เพ่ือแยกลักษณะพิเศษออกมาสรางเปนแมแบบท่ีใชในการเปรียบเทียบ และใชแยกลักษณะพิเศษของพระผงท่ีนํามาเปรียบเทียบ ซ่ึงเปนขอมูลสวนสําคัญท่ีจะนํามาใชในการจําแนกชนิดของพระเคร่ือง แสดงรายละเอียดได 4 ข้ันตอน ดังนี้

ภาพท่ี 5 แสดงข้ันตอนของการจําแนกลักษณะพิเศษเฉพาะของภาพพระเคร่ือง

4.1 ภาพถายพระเคร่ือง ภาพพระเคร่ืองท่ีนํามาใชในงานวิจัย จะตองไดมาจากกลองดิจิทัลซ่ึงเปนภาพท่ีมี

ความละเอียดของภาพ (Resolution) ท่ีสมจริงขนาด 24 บิต (True Color 24 bit) และเปนภาพบิตแมป ชนิด BMP เทานั้น

4.2 การเปล่ียนคาสี RGB ไปสูคาสีระดับเทา (Grey Scale) เนื่องจากภาพพระเครื่อง ตองผานการปรับปรุงภาพเพื่อลดสัญญาณรบกวนข้ันตน กอน

การนําไปหาขอบภาพจึงตองมีการเปล่ียนคาสีใหเหมาะสม โดยการปรับเปนคาสีในระดับเทา ซ่ึงจะทําใหขอมูลถูกลดลงไป 3:1 และทําใหการประมวลผลเร็วมากข้ึนโดยในข้ันแรกการสรางภาพระดับเทาจากภาพสี จะใชจากสมการ

Gray = (0.3 * Red) + (0.59 * Green) + (0.11 * Blue) (2.1)

ภาพสีของพระเคร่ือง

สรางภาพระดบัเทา

การหาขอบภาพ

ลักษณะพิเศษเฉพาะของภาพ

11

หรืออีกวิธีหนึง่ท่ีไดรับความนิยมกนัอยางแพรหลาย คือการหาคาเฉล่ียของภาพสี RGB ประกอบดวย สีแดง(Red) สีเขียว(Green) และสีน้ําเงิน(Blue) ดังสมการตอไปนี้

3Re BlueGreendGrey ++

= (2.2)

4.3 ทฤษฎีการหาขอบภาพ (Edge Detection) Bill Green (2002:10) ขอบภาพ คือ จุดภาพท่ีมีการเปล่ียนแปลงระดับความเขมอยาง

รวดเร็ว เชน การเปล่ียนจากดําเปนขาวหรือจากขาวเปนดํา โดยขอบภาพนี้จะมีคุณสมบัติเฉพาะของแตละภาพ ซ่ึงการจะนําเอาภาพไปประมวลผล อาจใชแคขอบภาพแทนภาพท้ังหมด เพราะจะทําใหประหยัดพื้นท่ี ในหนวยความจําและสามารถประมวลผลไดเร็ว

ขอบภาพเปนลักษณะพิเศษ (Special Feature) อยางหนึ่งของภาพตางๆ ซ่ึงหมายถึง รอยตอระหวางสวนพื้นท่ี (Region) ท่ีแตกตางกันในรูปภาพ ขอบภาพเปนหนึ่งในวิธีท่ีจะดึงเอาลักษณะพิเศษเฉพาะ ของรูปภาพออกมาไดโดยมีทฤษฏีตางๆ มากมาย ซ่ึงแบงไดเปน 2 กลุมหลัก คือ Gradient Method และ Laplacian method ตามรายละเอียดดังนี้ 4.3.1 Gradient Method

วิธีการ Gradient Method สําหรับการตรวจจับขอบของภาพมีหลักการคือ บริเวณขอบของวัตถุในภาพ จะมีคาเกรเดียนตท่ีสูง การพิจารณาเฉพาะขนาดของเกรเดียนตโดยจะทําการ Threshold ดวย คา T ถา | P | > T จะเปนขอบ

การทํา Gradient Operator เปรียบไดกับการหาอนุพันธอันดับ 1 คือการหาอนุพันธตามแนวแกน x และแกน y ของภาพ แลวนํามาคํานวณหาขนาด ดังสมการตอไปนี้

yPj

xPiP

∂∂

+∂∂

=∇∧∧

(2.3)

22

|| ⎟⎟⎠

⎞⎜⎜⎝

⎛∂∂

+⎟⎠⎞

⎜⎝⎛∂∂

=∇yP

xPP (2.4)

กําหนดให P∇ = ขอบของภาพ f (x,y) ท่ีตองการ

xP∂∂ = ความแตกตางของภาพในแนวนอน (แกน x)

yP∂∂ = ความแตกตางของภาพในแนวต้ัง (แกน y)

12

ดังนั้น จะทําการตรวจจับขอบเม่ือ | P | > T ; T คือ คาคงท่ี การหาอนุพันธตามแนวแกน x และแกน y ของภาพนั้นสามารถทําไดโดยการ

กําหนดกรอบหรือนิยมเรียกวา “Mask” เปนเมตริกซขนาด 3x3 คูณกับภาพ และ Mask ท่ีใชในการคํานวณแสดงดังภาพท่ี 6

ภาพท่ี 6 แสดงการหาอนุพนัธแกน x, y โดยใช mask ขนาด 3x3

4.3.2 Laplacian Method Laplacian Method เปรียบไดกับการหาอนุพันธอันดับ 2 ของภาพเพื่อใชในการ

ตรวจจับขอบของภาพ โดยภาพท่ีผานการหาอนุพันธอันดับ 2 บริเวณท่ีเปนสวนขอบจะเห็นไดชัดข้ึน จากหลักการเดียวกันกับ Gradient Method เราจะทําการประมาณคาของ P2∇ โดยใช Mask ในการกําหนดขอบเขตของการพิจารณา ซ่ึงตําแหนงของขอบ ก็คือคาจุดผานศูนยกลาง (Zero Crossing) ของ P2∇ และการทํา Laplacian Operator นี้ ทําโดยการหาอนุพันธอันดับ 2 ดังสมการ

2

2

2

22

yP

xPP

∂∂

+∂∂

=∇ (2.5)

เม่ือ P2∇ = ขอบภาพท่ีผานการหาอนุพันธดันดับ 2

2

2

xP

∂∂ = อนุพันธอันดับ 2 ในแนวแกน x

2

2

yP

∂∂ = อนุพันธอันดัน 2 ในแนวแกน y

ในการหาขอบภาพโดยใช Laplacian Operator นี้ท่ีบริเวณขอบจะมีตําแหนงเดียวกับคาจุดผานศูนยกลาง ของ P2∇ (ตําแหนงท่ีพิกเซลของ P2∇ เปล่ียนจาก + เปน - หรือจาก - เปน +)

-1 0 1 -2 0 2 -1 0 1

-1 -2 -1 0 0 0 1 2 1

xP∂∂ y

P∂∂

13

ในงานวิจัยนี้ไดเลือกใช Canny Edge Detection ซ่ึงเปนวิธีการที่มีประสิทธิภาพสูง สามารถใหรายละเอียดของขอบภาพไดอยางชัดเจน ผูจัดทําไดทําการพัฒนาโปรแกรมสําหรับเปรียบเทียบการหาขอบภาพจากหลายๆ วิธี เชน วิธี Canny edge วิธี Kirsch วิธี Robinson วิธี Sobel การหาขอบภาพในแนวแกน x และการหาขอบภาพในแนวแกน y เพื่อหาวิธีการในการหาลักษณะพิเศษเฉพาะของพระผงท่ีเหมาะสมท่ีสุดสําหรับงานวิจัยนี้ ผลลัพธจากการหาขอบภาพแสดงดังภาพ

ภาพท่ี 7 แสดงตัวอยางการหาขอบภาพพระเคร่ืองโดยใช Edge Detection แบบตาง ๆ

4.4 การหาขอบภาพดวย Canny Edge Detection Algorithm Bill Green links (2002:1-2) การหาขอบภาพดวย Canny Edge Detection ไดพัฒนาโดย

นาย J. F. Canny โดยการใช Mask ในลักษณะของเกาสเซียน และขนาดเมตริกซท่ีใหญกวา 3x3 โดยข้ันตอนแรกจะทําการลดสัญญาณรบกวนดวยการใชการกรองเกาสเซียน ข้ันตอนท่ีสอง คือการคํานวณหาขนาด (Magnitude) และทิศทาง (Orientation) ของเกรเดียนตโดยการหาอนุพันธ

Canny Edge Kirsch Robinson

Sobel ขอบภาพในแนวแกน x ขอบภาพในแนวแกน y

14

อันดับหนึ่ง ข้ันตอนท่ีสาม คือการทําใหขอบบางลงเหลือเพียง 1 พิกเซล และข้ันตอนท่ีส่ี คือทําการระบุและเช่ือมโยงพิกเซลของภาพ

Canny Operator Links (2005:1-2) ข้ันตอนของอัลกอริทึม Canny Edge Detection นั้นประกอบ ดวยข้ันตอนตาง ๆ ดังตอไปนี้

ภาพท่ี 8 แสดงข้ันตอนของ Canny Edge Detection

4.4.1 Smoothing การลดสัญญาณรบกวนออกจากภาพเปนข้ันตอนแรกของการหาขอบภาพ ที่นิยมใชกันอยางแพรหลายมี 2 วิธี คือ 4.4.1.1 หาไดโดยใชการกรองเกาสเซียน (Gaussian Filtering) ซ่ึงจะกรองสัญญาณรบกวนออกจากรูปภาพดังสมการท่ี 2.6

S[i,j] = G[i,j,σ] x I[i,j] (2.6) กําหนดให

S[i,j] = รูปภาพท่ีผานการกรองสัญญาณรบกวน I[i,j] = รูปภาพท่ีตองการลดสัญญาณรบกวน G[i,j,σ] = Gaussian smoothing filter σ = Spread of the Gaussian (ควบคุมระดับของการ Smoothing)

Smoothing

Gradient Calculation

Nonmaxima Suppression

Double Thresholding

15

4.4.1.2 การทํา Gaussian Smoothing Filter หาไดโดยใชการคํานวณจากฟงกช่ันสามเหล่ียม (Pascal Triangle Function) กับคาประมาณของเกาสเซียนแสดงดงัสมการท่ี 2.7

S[i,j] = (Pascal Function = …) x (Gaussian = ) (2.7)

คาประมาณการของเกาสเซียนประกอบตัวแปร x มีคาเปนสองชวงโดยแบงดวยคากึ่งกลางของขนาดเมตริกซท่ีเลือกใช ตัวแปร x คือคาแตละชวงของ x หารดวยสอง และตัวแปร σ คือคาท่ีใชควบคุมระดับของการ Smoothing ซ่ึงมีคาเทากับคากึ่งกลางของเมตริกซบวกหน่ึง โดย x เปนคาเมตริกซท่ีสมาชิกทุกตัวสลับตําแหนงกนัระหวางแถวและหลัก ซ่ึงไดมาจากจากการนําเมตริกซขนาด 3x1 คือคาฟงกช่ันสามเหล่ียมปาสคาล คูณกับเมตริกซขนาด 1x11 คือคาประมาณการของเกาสเซียน ซ่ึงเม่ือคูณกันแลวจะไดเมตริกซ ขนาด 3x11 แสดงดังสมการท่ี 2.8

(2.8)

4.4.2 Gradient Calculation เม่ือกรองสัญญาณรบกวนใหภาพ I[i,j] แลวจะไดภาพท่ีเรียบข้ึนในฟงกชัน S[i,j]

เสร็จแลวทําการหาคาของเกรเดียนตในทิศทางของแนวแกน x และแนวแกน y และกําหนดขนาดของอนุพันธอันดับหนึ่ง ของ P[i,j] และ Q[i,j] ดังสมการท่ี 2.9 และ 2.10

2 j])1,S[i - 1]j1,S[i j]S[i, - 1]j(S[i, j]P[i, +++++

≈ (2.9)

2

1])j1,S[i - 1]jS[i, j]1,S[i - j](S[i, j]Q[i, +++++≈ (2.10)

กําหนดให P[i,j] = อนุพันธยอยในแนวแกน x (partial derivative x)

Q[i,j] = อนุพันธยอยในแนวแกน y (partial derivative y)

2)(σ

−−

−±

xx

e

x [ -0.07 -0.21 -0.36 -0.21 -0.07 0.50 0.07 0.21 0.36 0.21 0.07 ] 1 2 1

16

นําคา P[i,j] และ Q[i,j] ท่ีผานการหาอนุพันธอันดบัหน่ึงมาคํานวณการแปลงรูปแบบจากระนาบของระบบพิกัดฉาก (Rectangular Form) ไปเปนระนาบพิกัดเชิงข้ัว (Polar Form) โดยแทนคาลงในสมการท่ี 2.11 และ 2.12 ก็จะไดขนาดและทิศทางของเกรเดียนต

M[i,j] = ) 2 j]Q[i, 2j]P[i, ( + (2.11)

θ[i,j] = arctan (P[i,j] , Q[i,j] ) (2.12) กําหนดให

M[i,j] = ขนาดของเกรเดียนต (magnitude gradient) θ[i,j] = ทิศทางของเกรเดียนต (orientation gradient)

และสามารถหามุม θ ออกมาไดเม่ือแทนคาตัวแปรในฟงกช่ัน θ = tan-1(x,y) 4.4.3 Nonmaxima Suppression การคนหาขอบภาพดวยวิธีการของ Canny จุดท่ีถือเปนเสนขอบของภาพไดนั้น

ตองเปนจุดท่ีใหคาสูงสุดเฉพาะท่ีและเปนทิศทางเดียวกับเกรเดียนต การใหขอบภาพบางลงเหลือเพียง 1 พิกเซล โดยทําการเทียบคาขนาดอารเรยเกรเดียนต (Magnitude array value) M[i,j] ท่ีตําแหนงกึ่งกลางกับอีก 2 ตําแหนงขางเคียง บนเสนของเกรเดียนต (Gradient line) ถามีคาไมมากกวาท้ัง 2 ตําแหนงนั้น จะให M[i,j] เปน 0 กระบวนการนี้ทําเพ่ือท่ีจะทําใหสวนท่ีนูนข้ึนมาของขนาดเกรเดียนต ใน M[i,j] บางลง 4.4.4 Double Thresholding

ข้ันตอนนี้ทําเพื่อท่ีจะหาและเช่ือมโยงขอบในรูปภาพ ใหชัดเจนมากข้ึนโดยใช Threshold 2 คา คือ High threshold (T1) และ Low threshold (T2) โดย T2 = 2T1 ถาขนาดของเกรเดียนต นอยกวา T1 จะกําหนดคาใหเปน 0 (ทําใหไมใช ขอบภาพ) ถาขนาดมากกวา T2 จะกําหนดใหเปนขอบภาพ ถาขนาดอยูระหวาง T1 และ T2 จะปรับใหเปน 0 (ทําใหไมใชขอบภาพ) และถาไมมีการเช่ือมโยงกับขอบภาพ (ขนาดจะมากกวา T2)

5. การจําแนกชนิดของพระเคร่ือง ดวยการเปรียบเทียบลักษณะพิเศษกับภาพอางอิงในเทมเพลท

จันทรจิรา สินทนะโยธิน(2545:42) การจัดเก็บเทมเพลทอางอิงของวัตถุเปาหมาย เพ่ือเปนแมแบบสําหรับคํานวณหาความเหมือนจากการซอนทับกับเทมเพลทของวัตถุเปาหมาย โดยนับจํานวนพิกเซลของพ้ืนท่ีท่ีไมสอดคลองตรงกัน ดวยเหตุนี้จึงสามารถกําหนดความคลายคลึงของ เทมเพลทท้ังสองได เทมเพลทท้ังสองจะมีความแตกตางของรูปทรงมากข้ึน หากมีพิกเซลมากข้ึนในพื้นท่ีท่ีไมสอดคลองกันจะทําการเคล่ือนเทมเพลทไปยังจุดตางๆ จากซายไปขวาจากบนไปลาง

17

เพื่อคํานวณหาคาความเหมือนของเทมเพลท กับบริเวณตางๆ บนภาพ ซ่ึงกระบวนการท่ีทําเชนน้ีเรียกวา Template Matching ดวยวิธี Correlation Coefficient โดยการกําหนดคาความเหมือนข้ึนมาสําหรับเปรียบเทียบกับคาความเหมือนท่ีคํานวณไดจากสมการท่ี 2.13

∑ ∑ΣΣ

><−><−

><−><−= ==

2211

)()

)()(NxMWxH

wwxff

wwffC

iii

ii

iii (2.13)

กําหนดให C = คาของ Correlation Coefficient fi = คาความเขมสีแตละจุดสีบนภาพ wi = คาความเขมสีแตละจุดบนเทมเพลท <f> = คาเฉล่ียของสีของภาพ <w> = คาเฉล่ียของสีของเทมเพลท WxH = ขนาดของภาพท่ีนํามาจําแนก NxM = ขนาดของภาพอางอิงในเทมเพลท

ถาบริเวณใดของภาพเหมือนกับเทมเพลทแบบทับกันไดพอดี คา C จะมีคาเปน 1 แตหากไมเหมือนกัน คา C ก็จะมีคาลดลงตามลําดับ 6. งานวิจัยท่ีเก่ียวของ

สนั่น ศรีสุข (2542:1-2) ไดเสนอเทคนิคใหมในการเพิ่มความเร็วในคนหาใบหนาอัตโนมัติ โดยปรับปรุงมาจากงานวิจัยเร่ืองการคนหาตําแหนงภาพใบหนาอัตโนมัติ โดยการนําวงรีมาวัดความคลายกับภาพใบหนาดวยวิธีการใหมท่ีเรียกวา Automatic Minimum Hausdorff Distance (AMHD) การทํางานของระบบแบงออกเปน 7 ข้ันตอนคือ ข้ันตอนท่ี 1 การแปลงภาพสีจาก RGB สูแบบจําลองสี HSV ข้ันตอนท่ี 2 การคนหาสีผิวมนุษย ขั้นตอนท่ี 3 การลดสัญญาณรบกวน ข้ันตอนท่ี 4 การหาขอบเขตในการคนหาภาพใบหนา ข้ันตอนท่ี 5 การเปล่ียนคาสี RGB ไปสูคาสีระดับเทา ข้ันตอนท่ี 6 การหาขอบภาพ และข้ันตอนท่ี 7 การคนหาภาพใบหนาดวย AMHD

นวภัค เอ้ืออนันต และวุฒิชัย พรพัชรพงศ (2542:1-2) ไดวิจัยวิธีการติดตามวัตถุในภาพตอเนื่องดวยคอนเดนเซช่ันอัลกอริทึมท่ีใชการคํานวณตําแหนงของมุมในภาพเฉดสีเทากับเฟรมท่ีตอเนื่องกัน เพื่อเพ่ิมความเร็วในการคํานวณและความแมนยําในการติดตามวัตถุ วิธีการที่นําเสนอ เปนการนําภาพยอย ณ บริเวณรอบ ๆ ตําแหนงท่ีเกิดมุมของวัตถุมาเปรียบเทียบกันในคอนเดนเซช่ัน

18

อัลกอริทึม เพ่ือใหไดตําแหนงของวัตถุในเฟรมถัดไป ผลการทดลองพบวาอัตราเร็วในการคํานวณเพิ่มข้ึนและแมนยําข้ึนกวาการใชคอนเดนเซช่ันอัลกอริทึมท่ีใชคอรรีเลช่ันแบบเดิม

สุรศักดิ์ ตั้งสกุล และศาสตรา วงศธนวสุ (2538:1-4)ไดวิจัยวิธีการการลดความหนาอักขระตัวเขียนแบบขนาน ซ่ึงอาศัยเทคนิคการตรวจหาขอบภาพและพิจารณาใหเปนจุดท่ีไมตองการและตองถูกกําจัดออกไปโดยในการตรวจหาขอบของตัวอักขระใชหลักการพิจารณาจุดของภาพแลวเปรียบเทียบกับกฎท่ีไดกําหนดข้ึนท้ังหมด 14 กฎ เปนกฎท่ีใชในการตรวจหาขอบ 8 กฎ และกฎท่ีใชในการกําจัดสวนเกิน 6 กฎ ดังน้ี กฎท่ี 1 ใชในการตรวจหาขอบท่ี 135 องศา กฎท่ี 2 ใชในการตรวจหาขอบท่ีตําแหนงทิศทาง 45 องศา กฎท่ี 3 ใชในการตรวจหาขอบท่ีตําแหนงทิศทาง 315 องศา กฎท่ี 4 ใชในการตรวจหาขอบท่ีตําแหนงทิศทาง 225 องศา กฎท่ี 5 ใชในการตรวจหาขอบท่ีตําแหนงทิศทาง 90 องศา กฎท่ี 6 ใชในการตรวจหาขอบท่ีตําแหนงทิศทาง 0 องศา กฎท่ี 7 ใชในการตรวจหาขอบท่ีตําแหนงทิศทาง 270 องศา กฎท่ี 8 ใชในการตรวจหาขอบท่ีตําแหนงทิศทาง180 องศา กฎท่ี 9, 10 และ 11 เปนบริเวณจุดท่ีจะทําใหเกิดสวนเกินซ่ึงอยูระหวางจุดท่ีถูกกําหนดวาเปนขอบและกฎท่ี 12, 13 และ 14 เปนบริเวณจุดท่ีจะทําใหเกิดสวนเกินซ่ึงอยูระหวางจุดท่ีถูกกําหนดวาเปนขอบกับ พื้นหลังของภาพ ซ่ึงการลดความหนาโดยใชเทคนิคการตรวจหาขอบภาพนี้ไมไดออกแบบไวใชสําหรับภาพท่ีมีลักษณะทึบ

Mr. John Daugman (1998:1-4) ไดทําการวิจัยการแยกแยะบุคคลเพ่ือประโยชนในดานการรักษาความปลอดภัย เพราะในคนแตละคนจะมีลายมานตาท่ีไมซํ้ากันเลย และลายมานตาจะไมเปล่ียนแปลงเลยตลอดชีวิต ซ่ึงตางจากการแยกแยะบุคคลดวยใบหนาเพราะใบหนาของคนมีอัตราการเปล่ียนแปลงคอนขางสูงเม่ือเวลาผานไปข้ันตอนสําคัญของการทําการจดจําลายมานตา (Iris Recognition) คือข้ันตอนของการหาสวนของมานตาในภาพ งานวิจัยนี้ใชกลองถายภาพขาวดําถายภาพดวงตาและแยกแยะภาพถายดวงตาโดยใชวิธี Variable Template Matching ซ่ึงนําเทมเพลท (Template) รูปวงกลม รัศมี(r) มาวางทาบลงบนรูปโดยใหจุดศูนยกลางของเทมเพลท อยูท่ีแตละพิกเซลของรูปภาพ แลวอินทิเกรดรอบเสนรอบวง ทําเชนนี้จนครบทุกพิกเซล

Prof. Peter Meer and Dorin Comaniciu (2000:1-6) ไดทําการวิจัยการแยกแยะภาพสี (Color Image Segmentation) ซ่ึงภาพสีนั้นคาสีตางๆ สามารถนําไปพลอตใน Feature Space Domain ไดจากความหนาแนนใน Feature Space Domain ท่ีประมาณไดจาก Mean Shift Algorithm ซ่ึงการแยกแยะภาพสีนั้นจะใชขอมูลท้ังตัวภาพ ใน Image Domain และสีใน Feature Space Domain โดยจะรวมพิกเซลเขาดวยกันถาพิกเซลนั้นอยูติดกันและมีสีใน Feature Space เหมือนกัน ซ่ึงการควบคุมกลุมสีนั้นจะถูกควบคุมโดย Mean Shift Algorithm

บทที่ 3 วิธีดําเนินการวิจัย

ขั้นตอนการวจัิย

หลังจากการศึกษาเอกสารและงานวิจัยท่ีเกี่ยวของตามท่ีกลาวไวในบทท่ี 2 ในบทนี้จะเปนข้ันตอนวิธีดําเนินการวิจัย ซ่ึงแบงลําดับข้ันตอนการทํางานเปนกระบวนการใหญๆ ได 3 กระบวนการ คือ กระบวนการที่ 1 การเตรียมรูปภาพสีพระผงท่ีใชในงานวิจัย กระบวนการที่ 2 การหาลักษณะพิเศษเฉพาะของพระผงแตละพิมพทรงออกจากภาพ เพื่อใชสรางแมแบบ กระบวนการที่ 3 การจําแนกประเภทของพระผงดวยรูปภาพ โดยการเปรียบเทียบคาลักษณะพิเศษของภาพพระผงที่รับเขามากับคาลักษณะพิเศษในแมแบบ ผลลัพธจากการเปรียบเทียบจะไดเปนคาลักษณะพิเศษและคาความเหมือนของพระผง แลวนําคาท่ีไดจัดเก็บไวเปนฐานขอมูลของระบบ เพื่อใชในการจําแนกภาพพระผงที่นําเขามาทดสอบ ซ่ึงผลลัพธของการทดสอบจะใหขอมูลเกี่ยวกับ รูปพระผง ช่ือพิมพทรง และช่ือวัดท่ีจัดสราง โดยรายละเอียดของแตละข้ันตอน แสดงดังภาพท่ี 9

ภาพท่ี 9 แสดงข้ันตอนการดําเนินการวิจยั

ภาพสีพระผง

สรางภาพระดบัเทา

การหาขอบภาพ

ลักษณะพิเศษเฉพาะของภาพ

จําแนกพิมพทรงของพระผง

ชนิดของพระผง

ฐานขอมูลเก็บลักษณะพิเศษ เฉพาะของพระผง

(พิมพทรง ,พทุธศิลป)

2. กระบวนการจําแนกลักษณะพิเศษเฉพาะของ พระผงออกจากภาพ

1. กระบวนการเตรียม ภาพพระผงที่ใชทดสอบในงานวิจัย

3.กระบวนการจําแนกพระผงดวยรูปภาพ

19

20

ตัวอยางท่ีใชในการวิจัย

ภาพถายพระผงที่ใชในงานวิจัยท้ังหมดมีจํานวน 400 ภาพ โดยแยกเปนพิมพทรงละ 100 ภาพ สําหรับนํามาใชในการทดสอบ และอีกพิมพทรงละ 35 ภาพ รวมจํานวน 140 ภาพ ท่ีนําลักษณะพิเศษมาสรางเปนแมแบบของระบบ ซ่ึงภาพถายพระผงท่ีใชในงานวิจัยนี้จะใชภาพถายดานหนาขององคพระผงโดยเลือกใชฉากหลังใหตัดกับสีขององคพระผง ภาพสีพระผง

ภาพพระผงที่ใชในการวิจัยนี้ เปนภาพสีระบบ RGB ท่ีไดมาจากกลองดิจิตอล หรือเคร่ืองสแกนเนอร ซ่ึงมีรูปแบบเปนบิตแมป ชนิด BMP มีความคมชัด (Resolution) หรือความลึกของสี (Color Depth) 24 บิตตอจุด (bit/pixel) โดยปรับขนาดภาพใหมีอัตราสวน (กวาง x ยาว) สอดคลองกับภาพจริงและภาพท่ีใชในการจัดทําแมแบบของระบบ โดยเก็บภาพพระผงในสวนท่ีมีรายละเอียดของพุทธศิลปภายในองคพระมากท่ีสุดเพียงดานเดียว คือ ภาพดานหนาขององคพระ การสรางภาพระดับเทา

การสรางภาพสีระดับเทา เปนกระบวนการเตรียมภาพใหเหมาะสมหรือลดสัญญาณรบกวนเบ้ืองตนกอนท่ีจะนําไปใชในกระบวนการประมวลผลภาพ โดยเปนการแปลงภาพในรูปแบบสี RGB 3 แชนเนล (Channel) ใหเปนภาพระดับเทา 1 แชนเนล ซ่ึงมีความลึกของสี 8 บิต เพื่อใชในกระบวนการประมวลผลภาพตอไป การหาขอบภาพ

การหาลักษณะพิเศษเฉพาะทางพิมพทรงและพุทธศิลปภายในองคพระผงเฉพาะดานหนาดวยวิธีการหาขอบภาพโดยใช Canny edge algorithm เปนเคร่ืองมือในการหาขอบภาพ ซ่ึงมี 3 ข้ันตอนหลักๆ คือ ข้ันตอนท่ี 1 ลดสัญญาณรบกวนเบ้ืองตน โดยการแปลงภาพสี RGB ไปเปนภาพสีระดับเทา ดังที่กลาวไวแลวขางตน ข้ันตอนท่ี 2 เปนการปรับภาพใหเหมาะสมโดยการลดสัญญาณรบกวนดวยการใชการกรองเกาสเซียน ข้ันตอนท่ี 3 คือการคํานวณหาขนาดและทิศทางในแนวแกน x และแกน y ของเกรเดียนต โดยการหาอนุพันธอันดับหนึ่งและอันดับสอง ทําใหขอบบางลง และระบุการเช่ือมโยงพิกเซลของขอบภาพท่ีตองการ โดยใชโปรแกรมท่ีพัฒนาดวยโปรแกรม Borland C++ Builder

21

การหาลักษณะพิเศษเฉพาะของพระผง

หลังจากที่หาขอบภาพแลว จะไดลักษณะพิเศษเฉพาะของพระผงตามตองการ คือลักษณะเฉพาะของพุทธศิลปภายในองคพระผงเปนภาพระดับเทา โดยสวนท่ีเปนพุทธศิลปจะเปนพิกเซลสีเทาระดับขาว ซ่ึงลักษณะพิเศษท่ีไดจะนําไปสรางเปนภาพแมแบบเก็บไวในระบบเพื่อใชในการเปรียบเทียบลักษณะพิเศษระหวางภาพพระผงท่ีนําเขามาทดสอบกับภาพลักษณะพิเศษในแมแบบ เพื่อหาคาลักษณะพิเศษและคาความเหมือนจัดเก็บไวเปนองคความรูในฐานขอมูลของระบบตอไป การจําแนกประเภทของพระผง

นําภาพพระผงท่ีตองการทดสอบมาผานกระบวนการหาลักษณะพิเศษแลวนํามาเปรียบเทียบกับภาพลักษณะพิเศษท่ีจัดทําเปนแมแบบ ซ่ึงจัดเก็บไวเปน 4 แมแบบ ตามลักษณะของพิมพทรง คือ พิมพทรง 4 เหล่ียม พิมพทรง 3 เหล่ียม พิมพทรง 2 เหล่ียมหัวมน และพิมพทรงไมมีเหล่ียมหรือทรงกลม โดยการนําลักษณะพิเศษทางพุทธศิลปเฉพาะดานหนาขององคพระผงมาเปรียบเทียบซอนทับกันและนับจํานวนพิกเซลของพ้ืนท่ีท่ีสอดคลองตรงกัน เพื่อคํานวณหาคาความเหมือนเฉพาะกับบริเวณตางๆ บนภาพ ถาบริเวณใดของภาพเหมือนกันแบบทับกันไดพอดี คาความเหมือนจะมีคาเปน 1 แตหากไมเหมือนกันคาความเหมือนก็จะมีคาลดลงตามลําดับ การประเมินผล

1. การหาขนาดภาพสีนําเขาท่ีเหมาะสมท่ีจะนํามาใชในการจําแนกของระบบ สามารถคํานวณไดจากการประเมินคาเวลาเฉล่ียท่ีใชในการจําแนกของระบบ โดยใชสูตรการคํานวณ ดังแสดงตามสมการท่ี 3.1

2. การหาขนาดเมตริกซท่ีเหมาะสมในการคํานวณหาลักษณะพิเศษเฉพาะท่ีจะนํามาใชในระบบ คํานวณไดจากการประเมินคารอยละของการคนพบและความผิดพลาดในการจําแนก รวมท้ังเวลาเฉลี่ยท่ีใชในการจําแนกของระบบ โดยใชสูตรการคํานวณ ดังแสดงตามสมการท่ี 3.1 สมการท่ี 3.2 และสมการท่ี 3.3

3. การหาคา Correlation Coefficient ท่ีมีประสิทธิภาพสําหรับการจําแนกของระบบ คํานวณไดจากการประเมินคารอยละของการคนพบและความถูกตองในการจําแนกจากการใช

22

คา Correlation Coefficient ระหวาง 0.1 – 0.95 โดยใชสูตรการคํานวณ ดังแสดงตามสมการท่ี 3.2 และสมการท่ี 3.4 4. การคํานวณหาประสิทธิภาพในการจําแนกของระบบ คํานวณไดจากการประเมินคา รอยละของความถูกตอง ความผิดพลาดและรอยละของการคนพบ การคนไมพบในการจําแนกประเภทของพระผงที่นํามาทดสอบ รวมทั้งเวลาเฉล่ียท่ีใชในการจําแนกของระบบ จากคา Correlation Coefficient ท่ีมีประสิทธิภาพท่ีคํานวณได ใชสูตรการคํานวณ ดังแสดงตามสมการท่ี 3.1 สมการท่ี 3.2 สมการท่ี 3.3 สมการท่ี 3.4 และสมการที่ 3.5

รอยละการคนพบ = จํานวนภาพท่ีคนพบในเทมเพลท จํานวนภาพท้ังหมดในเทมเพลท

x 100

รอยละความถูกตองในการจาํแนก = จํานวนภาพท่ีจําแนกไดถูกตอง จํานวนภาพท้ังหมดท่ีคนพบในเทมเพลท

x 100 (3.4)

เวลาเฉล่ียท่ีใชในการจําแนก = ผลรวมของเวลาท่ีใชในการจําแนกของแตละภาพ จํานวนภาพท้ังหมดท่ีนํามาใชในการจําแนก

x 100 (3.1)

รอยละการคนไมพบ = จํานวนภาพท่ีคนไมพบในเทมเพลท จํานวนภาพท้ังหมดในเทมเพลท

x 100 (3.5)

รอยละความผิดพลาด = จํานวนภาพท่ีคนพบในเทมเพลทแตไมถูกตอง จํานวนภาพท้ังหมดท่ีคนพบในเทมเพลท

x 100 (3.3)

(3.2)

บทที่ 4 ผลการดําเนินการวิจัย

บทนี้จะกลาวถึงผลการดําเนินงานวิจัยของการพัฒนาวิธีการจําแนกการบงช้ีวัตถุโบราณ

ประเภทพระผง โดยเม่ือผูใชนําภาพสีดานหนาของพระผงท่ีไดจากกลองดิจิตอลหรือเคร่ืองสแกนเนอรซ่ึงมีรูปแบบเปนบิตแมปชนิด BMP 24 บิต มาตรวจสอบ ระบบสามารถเรียนรูและจําแนกประเภทของพระผงตามรูปแบบพิมพทรงของพระผงแตละประเภทได ตามที่ผูวิจัยไดตั้งสมมติฐานกอนการวิจัย คือ พระผงมีลักษณะแตกตางกันมีผลทําใหคา Correlation Coefficient ท่ีไดแตกตางกันดวย และความเปนเอกลักษณของพระผงแตละองคคือความสอดคลองของลักษณะพิเศษเฉพาะทางพิมพทรงและพุทธศิลปของพระผงแตละองคท่ีไมเหมือนกัน ดังนั้นระบบจึงสามารถจําแนกประเภทของพระผงแตละภาพได จากการตั้งสมมติฐานดังกลาว จึงดําเนินการศึกษาทฤษฎีท่ีเกี่ยวของเพ่ือนํามาใชในงานวิจัยและออกแบบขั้นตอนการทํางานของระบบการจําแนก พระผง ดังภาพท่ี 10

ภาพท่ี 10 แสดงข้ันตอนการทํางานของระบบการจําแนกพระผง

Input Digital Image

Digital Image Processing

Gray Scale

Special Feature

Image Matching

Special features

In Template Output

Identification

Edge Detection

23

24

จากภาพท่ี 10 แสดงใหเห็นถึงข้ันตอนของระบบการจําแนกพระผง ซ่ึงมีข้ันตอนการทํางาน 3 สวนหลัก คือ ข้ันตอนท่ีหนึ่ง กระบวนการนําภาพเขาสูระบบโดยการแปลงภาพสีเปนภาพระดับเทา ข้ันตอนท่ีสอง กระบวนการจําแนกลักษณะเฉพาะของพระผงตามความแตกตางของพิมพทรงและพุทธศิลปดานหนาองคพระดวยวิธีการหาขอบภาพ ข้ันตอนท่ีสาม กระบวนการจําแนกประเภทของพระผง โดยการเปรียบเทียบภาพพระผงที่ตองการจําแนกกับภาพลักษณะพิเศษท่ีจัดเก็บเปนแมแบบของระบบ หลังจากนั้นจึงแสดงผลลัพธจากการจําแนกพระผงแตละภาพเปนคําอธิบาย ประกอบดวย ช่ือ พิมพทรง และสถานท่ีจัดสรางหรือวัดท่ีดําเนินการสราง โดยข้ันตอนท้ังหมดจะใชกับภาพพระผง 4 พิมพทรง ท่ีพบในประเทศไทย รวมภาพพระผงจํานวน 400 ภาพท่ีนํามาทดลองกับภาพท่ีจัดเก็บไวเปนตนแบบจํานวนท้ังส้ิน 140 ภาพ เม่ือส้ินสุดการทดลองพบวาขนาดภาพสีนําเขาท่ีจะนํามาใชกับระบบสําหรับพิมพทรงส่ีเหล่ียม ทรงสามเหล่ียมและทรงสองเหล่ียมหัวมนควรมีขนาด กวาง x ยาว เทากับ 60 x 80 พิกเซล ทรงไมมีเหลียมท่ีไมใชทรงกลมควรมีขนาด 60 x 70 และทรงกลมควรมีขนาด 70 x 70 พิกเซล โดยเมตริกซท่ีเหมาะสมสําหรับการคํานวณหาลักษณะพิเศษควรใชขนาด 11 x 3 และจากการเลือกใชคา Correlation Coefficient ท่ีทดลองแลวพบวามีประสิทธิภาพในการจําแนกมากท่ีสุด คือ 0.8 ซ่ึงระบบสามารถคนพบภาพในแมแบบ ไดถูกตองรอยละ 93.50 และระบบสามารถจําแนกพระผงที่ไมใชพระองคเดียวกันกับท่ีนํามาจัดเก็บไวเปนแมแบบไดคอนขางมีประสิทธิภาพ ซ่ึงมีรายละเอียดในการทํางานดังตอไปนี้ 1. กระบวนการนําภาพเขาสูระบบการจําแนกพระผง

ภาพพระผงท่ีนํามาใชในระบบจะตองเปนภาพสีแบบบิตแมปชนิด BMP 24 บิต เทานั้น โดยจะเก็บภาพพระผงในสวนท่ีมีรายละเอียดของพุทธศิลปภายในองคพระมากท่ีสุดเพียงดานเดียวคือภาพดานหนา และเลือกใชฉากหลังใหตัดกับสีขององคพระผงแตละพิมพทรง ซ่ึงในการทดลองไดใชภาพท่ีมีความละเอียด 100 จุดตอนิ้ว (Dot per inch) แบงเปน 4 ขนาดตามอัตราสวนของพิมพทรงท้ัง 4 พิมพทรงของพระผงท่ีนํามาทดสอบเพ่ือใหไดอัตราสวนท่ีสมจริง ดังแสดงตามภาพท่ี 11

ภาพท่ี 11 แสดงภาพท่ีมีขนาดและอัตราสวนตามลักษณะของพิมพทรงท้ัง 4 พิมพทรง

25

จากภาพแสดงภาพพระผงท่ีไดอัตราสวนระหวาง ความกวาง x ความยาว ของพระผง แตละพิมพทรง ประกอบดวยพิมพทรงส่ีเหล่ียมมีขนาดเทากับ 60 x 80 พิกเซล พิมพทรงสามเหล่ียมมีสองขนาดคือ 60 x 80 พิกเซล พิมพทรงสองเหล่ียมมีสองขนาดคือ 60x80 และ 60x100 พิกเซล และพิมพทรงไมมีมุมมีสองขนาดคือ ไมใชทรงกลมคือ 60x80 และทรงกลม 70x70 พิกเซล ซ่ึงขนาดรูปภาพท่ีมีขนาดเล็กจะทําใหการทํางานของระบบเร็วข้ึน รวมท้ังผลลัพธท่ีไดมีความถูกตองเทากับภาพที่มีขนาดใหญ โดยจะนําเขาขอมูลจากแฟมภาพเขามาจัดเก็บไวในหนวยความจําหลักของเคร่ืองคอมพิวเตอรเพื่อเตรียมขอมูลเบ้ืองตนกอนการประมวลผลในข้ันถัดไป

2. กระบวนการจําแนกลักษณะพิเศษเฉพาะของพระผง

กระบวนการจําแนกลักษณะพิเศษเฉพาะของพระผงโดยการเปรียบเทียบลักษณะพิเศษเฉพาะของพระผงในข้ันตนจะทําการจําแนกพระผงออกเปน 4 ประเภท ตามลักษณะรูปรางของพิมพทรงของพระผง ประกอบดวย พิมพทรงส่ีเหล่ียม พิมพทรงสองเหล่ียมหัวมน พิมพทรงสามเหล่ียม และทรงกลม ดังแสดงในภาพท่ี 12

ภาพท่ี 12 แสดงประเภทของพิมพทรงของพระผงท่ีใชในการวิจยั

การแบงประเภทของพระผงสําหรับการทดสอบและสําหรับการจัดเก็บเปนแมแบบ ทําเพื่อความสะดวกและรวดเร็วในการจําแนกของระบบ จากการศึกษาของผูวิจัย พบวาพระผงสวนมากจะมีพิมพทรงแบงเปนประเภทใหญๆ ได 4 ประเภท โดยพิจารณาจากเหล่ียมหรือมุมของพระผงเปนหลัก เชนพระผงพิมพทรงส่ีเหล่ียมจะมี 4 มุม พิมพทรงสองเหล่ียมหัวมนจะมี 2 มุม พิมพทรงสามเหล่ียมจะมี 3 มุม และพิมพทรงกลมจะไมมีมุม นอกเหนือจากพิมพทรงท่ีกลาวมา ก็จะมีพิมพทรงแบบ 5 เหล่ียม เชน พระผงประเภทพระขุนแผน ซ่ึงจะมีลักษณะใกลเคียงกับพิมพ

พิมพทรงส่ีเหล่ียม พิมพทรงสองเหล่ียมหวัมน พิมพทรงสามเหล่ียม พิมพทรงกลม

26

ทรงแบบ 3 เหล่ียม ดังนั้นจึงสามารถจัดรวมเปนพิมพทรงเดียวกันได เปนตน โดยข้ันตอนการจําแนกพิมพทรงแสดงไดดังภาพท่ี 13

ภาพท่ี 13 แสดงข้ันตอนของวิธีการจําแนกพิมพทรงของพระผง

27

2.1 การหาขอบภาพดวย Canny Edge Detection Algorithm การหาขอบภาพของพระผงจะใชวิธีของ Canny Edge Detection โดยการใชเมตริกซใน

ลักษณะของเกาสเซียน ซ่ึงมีขนาดใหญกวา 3x3 โดยข้ันตอนแรกจะทําการลดสัญญาณรบกวนดวยการใชการกรองเกาสเซียน ข้ันตอนท่ีสอง คือการคํานวณหาขนาดและทิศทางของเกรเดียนต โดยการหาอนุพันธอันดับหนึ่งและอันดับสอง ตามข้ันตอนของ Canny Edge Detection ซ่ึงประกอบดวยข้ันตอนดังตอไปนี้

ภาพท่ี 14 แสดงข้ันตอนของ Canny Edge Detection 2.1.1 หาคาสีระดับเทา (Grey Scale)

การหาขอบภาพใหไดผลและรวดเร็วนั้น จะตองทําการลดสัญญาณรบกวนของรูปภาพ โดยการปรับคาสี RGB เปนคาสีระดับเทา ซ่ึงจะทําใหขอมูลมีขนาดลดลงไปในอัตราสวน 3 : 1 จึงทําใหระบบทํางานไดรวดเร็วข้ึน ซ่ึงภาพสี RGB ชนิดบิตแมป 24 บิต จะประกอบดวย สีแดง (Red) 8 บิต สีเขียว (Green) 8 บิต และสีน้ําเงิน (Blue) 8 บิต แลวนําคาสีท้ัง 3 สีนี้ ไปคํานวณหาคาเฉล่ีย เพื่อใหไดคาสีระดับเทาท่ีมีคาความเขมของสีท้ัง 3 สี อยูในชวง 0 – 255 โดยรายละเอียดการแปลงคาสี RGB ไปเปนสีระดับเทา แสดงไดดังสมการท่ี 4.1

3BGR

Grey++

= (4.1)

Grey = ภาพระดับเทา (Grey Scale) 0-255 bit R = แทนคา สีแดง ขนาด 8 bit

G = แทนคา สีเขียว ขนาด 8 bit B = แทนคาสีน้ําเงิน ขนาด 8 bit

Grey Scale

Gaussian Smoothing Filter

Gradient Calculation

28

จากสมการท่ี 4.1 เม่ือนํามาเขียนเปนลําดับข้ันตอนการทํางาน (Algorithm) ของการแปลงภาพใหอยูในรูปแบบภาพระดับเทา แสดงไดดังภาพท่ี 15

ภาพท่ี 15 แสดงข้ันตอนวิธีการแปลงภาพใหอยูในรูปแบบภาพระดับเทา

2.1.2 Gaussian Smoothing Filter การหาขอบภาพดวยวิธีการของ Canny edge จะตองผานกระบวนการ Gaussian

Smoothing Filter ในการลดสัญญาณรบกวนกอนการหาขนาดและทิศทางของเกรเดียนตเพื่อสรางขอบภาพขึ้นมา ซ่ึงในงานวิจัยนี้จะใชเมตริกซขนาด 11x3 หรือเทียบเทาเมตริกซขนาด 3x11 ท่ี

คํานวณไดจากการคูณเมตริกซ ขนาด 3x1 กับ 1x11 ซ่ึงคาเมตริกซท่ีไดจะเปน dxdf /

dydf ดังสมการ

1

2 x (4.2) 1

2)(σ

−−

−±

xx

e

29

จากสมการท่ี 4.2 นํามาเขียนเปนลําดับข้ันตอนการทํางานและ Algorithm ของการหาลักษณะพิเศษของพระผงไดดังภาพท่ี 16

ภาพท่ี 16 แสดงลําดับข้ันตอนการทํางานและ Algorithm ของ Gaussian Smoothing Filter

30

2.1.3 Gradient Calculation การหาขอบภาพ คือการหาจุดท่ีใหคาสูงสุดเฉพาะท่ี ซ่ึงเปนทิศทางเดียวกันกับ

เกรเดียนต โดยการหาคาเกรเดียนตในทิศทางของแกน x และแกน y และกําหนดขนาดของอนุพันธอันดับหนึ่งของ P[i,j] และ Q[i,j] ตามลําดับ ดังสมการท่ี 4.3 และ สมการท่ี 4.4

2 j])1,S[i - 1]j1,S[i j]S[i, - 1]j(S[i, j]P[i, +++++

≈ (4.3)

2

1])j1,S[i - 1]jS[i, j]1,S[i - j](S[i, j]Q[i, +++++≈ (4.4)

การนําคา P[i,j] และ Q[i,j] ท่ีผานการหาอนุพันธอันดับหนึ่ง มาคํานวณการแปลงรูปแบบจากระนาบของระบบพิกัดฉากไปเปนระนาบพิกัดเชิงข้ัว เพื่อหาขนาดและทิศทางของ เกรเดียนต โดยนําไปแทนคาลงในสมการท่ี 4.5

M[i,j] = ) 2 j]Q[i, 2j]P[i, ( + (4.5)

หลังจากผานกระบวนการ Gaussian Smoothing Filter และ Gradient Calculation จะไดภาพพระผงท่ีผานการหาเสนขอบท่ีเห็นเปนลักษณะพิเศษเฉพาะของพระผง ซ่ึงแสดงดังภาพท่ี 17

ภาพท่ี 17 แสดงรายละเอียดจากหาขอบภาพโดยใชเมตริกซขนาดตางๆ

จากภาพท่ี 17 แสดงผลลัพธจากการหาขอบภาพโดยการใชเมตริกซขนาดตางๆ กันพบวาเมตริกซขนาดใหญจะใหเสนขอบท่ีมีขนาดใหญกวาเมตริกซขนาดเล็ก และมีผลตอการจําแนกพระผงของระบบ ผูวิจัยจึงไดทําการทดสอบหาคาเมตริกซท่ีเหมาะสมสําหรับงานวิจัยนี้ โดยการทดสอบแสดงไวในตารางท่ี 6 - 21 สําหรับการหาคาเกรเดียนตแสดงลําดับข้ันตอนการทํางานและ Algorithm ดังภาพท่ี 18

เมตริกซขนาด 11x3 เมตริกซขนาด 15x3 เมตริกซขนาด 15x5

31

ภาพท่ี 18 แสดงลําดับข้ันตอนการทํางานและ Algorithm ของ Gradient Calculation ผลลัพธของภาพท่ีผานกระบวนการหาขอบภาพจะถูกตัดขอบ (Crop Image) ดานบน

ดานลาง ดานซาย และดานขวา ขางละ 5 พิกเซลเพื่อลดปญหาขอบพระผงท่ีไมสมบูรณ 2.2 การหาลักษณะพิเศษเฉพาะของภาพตามความแตกตางของพุทธศิลป พุทธศิลปภายในองคพระ คือ ลวดลายหรือศิลปะของพระผง ซ่ึงถือเปนลักษณะสําคัญ

ในการบงช้ีประเภทของพระผง ในงานวิจัยนี้ เลือกใชภาพดานหนาขององคพระเพราะจะมีรายละเอียดของพุทธศิลปภายในมากท่ีสุด ซ่ึงเม่ือผานกระบวนการหาลักษณะพิเศษเฉพาะแลวจะแสดงไดดังภาพท่ี 19

ภาพท่ี 19 แสดงพุทธศิลปภายในองคพระผงจากภาพดานหนาขององคพระ

32

2.3 ขั้นตอนการนําลักษณะพเิศษเฉพาะของภาพมาจัดสรางเปนแมแบบ แมแบบถือเปนสวนสําคัญของระบบการจําแนกพระผงดวยการเปรียบเทียบลักษณะ

พิเศษเฉพาะ (Identification of Amulets with Feature Matching) เพราะเปนสวนท่ีใชเก็บลักษณะพิเศษของพระผงท่ีใชเปนแมแบบสําหรับการเปรียบเทียบของระบบ ซ่ึงมีข้ันตอนการสราง ดังน้ี

ภาพท่ี 20 แสดงลําดับข้ันตอนการสรางแมแบบของระบบ

จากภาพท่ี 20 แสดงถึงลําดับข้ันตอนการสรางแมแบบของระบบ เร่ิมดวยการหาลักษณะพิเศษเฉพาะ เม่ือไดแลวนําภาพลักษณะพิเศษมาจัดทําเปนภาพแมแบบ ท่ีใชสําหรับการเปรียบเทียบหาคาลักษณะพิเศษเฉพาะและคาความเหมือนของภาพพระผงท่ีตองการจําแนกกับภาพลักษณะพิเศษในแมแบบเปรียบเทียบ แลวนําคาท่ีไดบันทึกเก็บไวเปนองคความรูของฐานขอมูล

ภาพท่ี 21 แสดงภาพลักษณะพิเศษของพระผงในแมแบบของระบบ

นําภาพลักษณะพิเศษเฉพาะมาจัดสรางเปนแมแบบ

แมแบบลักษณะพเิศษเฉพาะท่ีจัดสรางตามพิมพทรงท้ัง 4 พิมพ

หาลักษณะพเิศษเฉพาะของภาพพระผงจากภาพดานหนา

33

3. กระบวนการจําแนกประเภทของพระผงดวยการเปรียบเทียบลักษณะพิเศษ ใชวิธีการนําภาพพระผงท่ีเปนวัตถุเปาหมายมาทําการเปรียบเทียบกับภาพพระผงท่ี

จัดเก็บเปนแมแบบ เพ่ือนับจํานวนพิกเซลของพื้นท่ีท่ีไมสอดคลองกัน โดยกําหนดความคลายคลึงของภาพพระผงนําเขากับภาพในแมแบบ เพ่ือหาความแตกตางของพุทธศิลป ซ่ึงหากมีพิกเซลมากข้ึนในพื้นท่ีท่ีไมสอดคลองกัน ระบบจะทําการเคล่ือนภาพไปยังจุดตางๆ ของภาพท่ีจัดเก็บเปนแมแบบจากซายไปขวา จากบนไปลาง เพื่อคํานวณหาคาความเหมือน โดยกระบวนการเชนนี้เรียกวาการ Correlation Coefficient ซ่ึงสามารถคํานวณไดจากสมการท่ี 4.6

∑ ∑ΣΣ

><−><−

><−><−= ==

2211

)()(

)()(NxMWxH

wwff

wwffC

iii

ii

iii (4.6)

ถาบริเวณใดของภาพท่ีทดสอบเหมือนกับภาพในแมแบบ แบบทับกันไดพอดี คา C จะมี

คาเปน 1 แตหากไมเหมือนกัน คา C ก็จะมีคาลดลงตามลําดับจนถึงคา 0.00 ถาภาพท่ีใชทดสอบกับภาพในแมแบบไมเหมือนกัน ก็จะนําคาลักษณะพิเศษท่ีคาความเหมือนที่ไดมาฝกใหระบบเรียนรูแลวจัดเก็บเปนองคความรูในฐานขอมูลตอไป ซ่ึงมีข้ันตอนวิธีการทํางานดังภาพท่ี 22

ภาพท่ี 22 แสดงการเปรียบเทียบคาความเหมือนระหวางภาพพระผงนําเขากับภาพในแมแบบ

34

จากสมการท่ี 4.6 สามารถนํามาเขียนเปนลําดับข้ันตอนการทํางานและ Algorithm ของ Image Matching ได ซ่ึงแสดงดังภาพท่ี 23

ภาพท่ี 23 แสดงลําดับข้ันตอนการทํางาน และ Algorithm ของ Image Matching

35

การทดลองโปรแกรมระบบการจําแนกพระผง การจําแนกพระผงในระบบนี้ เร่ิมตนจากการทดลองเพ่ือหาขอสรุปของสวนประกอบ

ตางๆ ท่ีใชประกอบในการวิจัยท่ีจะทําใหระบบโปรแกรมสามารถทํางานไดอยางมีประสิทธิภาพสูงท่ีสุด ประกอบดวย

1. การหาขนาดของภาพท่ีใชในการทดสอบ 2. การหาขนาดของเมตริกซท่ีใชในการหาลักษณะพิเศษเฉพาะ 3. การหาคา Correlation Coefficient ท่ีมีประสิทธิภาพท่ีสุด ซ่ึงประกอบดวย 2 ข้ันตอน

ไดแก 3.1) การหาประสิทธิภาพของคา Correlation Coefficient ท่ี 0.1 – 0.95 3.2) การหาคา Correlation Coefficient ท่ีมีประสิทธิภาพมากท่ีสุด ระหวาง

0.8 – 0.95 4. การหาประสิทธิภาพในการจําแนกของระบบ ซ่ึงประกอบดวย 2 ข้ันตอนไดแก

4.1) การจําแนกพระผงท่ีนําเขามาทดสอบซ่ึงเปนองคเดียวกันกับภาพพระผงท่ีนํามาใชจัดทําเปนแมแบบอางอิง

4.2) การจําแนกพระผงท่ีไมใชรูปภาพพระผงซ่ึงเปนองคเดียวกันกับภาพพระผงท่ีนํามาใชจัดทําเปนแมแบบอางอิง

ซ่ึงมีรายละเอียดการสรุปจํานวนภาพพระผงท่ีใชในการทดสอบประสิทธิภาพของระบบ

การจําแนก และจํานวนครั้งท่ีทําการทดสอบ จากภาพพระผงท่ีแบงออกเปน 4 พิมพทรง ตามรายละเอียดดังแสดงในตารางท่ี 1

36

ตารางท่ี 1 แสดงขอมูลจํานวนภาพพระผงและจํานวนคร้ังท่ีทําการทดสอบในการทดลอง

การทดลอง Shape จํานวนของ Image In Template

จํานวนของ Input Image

จํานวนครั้งที่ทําการทดสอบ

4 angle 35 5 10 3 angle 35 5 10 2 angle 35 5 10

No angle 35 5 10

1. การหาขนาดของภาพท่ีใชในการทดสอบ (ทดสอบพิมพทรงละ 2 ขนาด)

รวม 140 20 40 4 angle 35 10 90 3 angle 35 10 90 2 angle 35 10 90

No angle 35 10 90

2. การหาขนาดของเมตริกซที่ใชในการหาลักษณะพิเศษ (ทดสอบพิมพทรงละ 3 เมตริกซ โดยใชคา Correlation Coefficient ในการทดสอบ 3 คา ) รวม 140 40 360

4 angle 35 10 100 3 angle 35 10 100 2 angle 35 10 100

No angle 35 10 100

3. การหาคา Correlation Coefficient 3.1) การหาประสิทธิภาพของคา Correlation Coefficient ที่ 0.1 – 0.95 (ทดสอบภาพละ 10 คา)

รวม 140 40 400 4 angle 35 25 75 3 angle 35 25 75 2 angle 35 25 75

No angle 35 25 75

3.2) การหาคา Correlation Coefficient ที่มีประสิทธิภาพมากที่สุด ระหวาง 0.8 – 0.95 (ทดสอบภาพละ 3 คา) รวม 140 100 300

4 angle 35 25 25 3 angle 35 25 25 2 angle 35 25 25

No angle 35 25 25

4. การหาประสิทธิภาพในการจําแนกของระบบ 4.1) การจําแนกพระผงที่นาํเขามาทดสอบซ่ึงเปนองคเดียวกันกับภาพ ที่นํามาใชจัดทําเปนแมแบบอางอิง รวม 140 100 100

4 angle 35 25 25 3 angle 35 25 25 2 angle 35 25 25

No angle 35 25 25

4.2) การจําแนกพระผงที่ไมใชรูปภาพพระผงซึ่งเปนองคเดียวกันกับภาพท่ีนํามาใชจัดทําเปนแมแบบอางอิง

รวม 140 100 100 รวมจํานวนท้ังหมด 400 1300

37

1. การหาขนาดของภาพท่ีใชในการทดสอบ ขนาดของภาพเปนปจจัยหนึ่งท่ีมีผลตอประสิทธิภาพในการจําแนกพระผงของระบบ

เพราะถาภาพมีขนาดใหญเกินไปจะทําใหระบบการจําแนกทํางานชา แตถาเล็กมากเกินไปจะทําใหผูใชไมสามารถพิจารณาภาพไดดีนัก เพราะฉะน้ันการหาขนาดของภาพสีท่ีนํามาใชในระบบจึงเปนส่ิงสําคัญส่ิงหนึ่งท่ีจะทําใหระบบทํางานไดมีประสิทธิภาพมากข้ึน โดยการหาขนาดของภาพจะใชภาพสีท่ีมีขนาดแตกตางกัน ซ่ึงในการทดลองน้ีเลือกใชภาพท่ีมีความละเอียด 100 จุดตอน้ิว (Dot per inch) แบงเปน 4 ขนาด แลวปรับตามอัตราสวนพิมพทรงของพระผงท้ัง 4 พิมพทรง คือพิมพทรงส่ีเหล่ียมใชขนาด กวาง x ยาว เทากับ 60 x 80 และขนาด 100x133 พิกเซล พิมพทรง 3 เหล่ียมใชขนาด 60 x 80 และขนาด 100x133 พิกเซล พิมพทรง 2 เหล่ียมหัวมนใชขนาด 60x80 และขนาด100x133 พิกเซล และพิมพทรงกลมใชขนาด 70x70 และขนาด 100x100 พิกเซล จํานวนพิมพทรงละ 5 ภาพ รวมจํานวนภาพท่ีนํามาใชในการทดลองจํานวน 20 ภาพ ทดลองพิมพทรงละ 2 ขนาด รวมจํานวนในการทดลองท้ังส้ิน 40 คร้ัง โดยสุมใชคา Correlation Coefficient ท่ี 0.8 ไดผลการทดลอง ดังแสดงรายละเอียดตามตารางท่ี 2 – 5

ตารางท่ี 2 เปรียบเทียบเวลาการทํางานของระบบ จากการใชภาพพิมพทรงส่ีเหล่ียม

60 x 80 100 x 133 Shape

ลําดับท่ีของ Input Image Time (Second) Time (Second)

1 28 56 2 27 57 3 28 55 4 28 56

4 Angle 5 28 56

Total 139 280 Average 27.8 56

38

ตารางท่ี 3 เปรียบเทียบเวลาการทํางานของระบบ จากการใชภาพพิมพทรงสามเหล่ียม

60 x 80 100 x 133 Shape

ลําดับท่ีของ Input Image Time (Second) Time (Second)

1 28 56 2 28 56 3 28 55 4 28 56

3 Angle

5 28 56 Total 140 279

Average 28 55.8

ตารางท่ี 4 เปรียบเทียบเวลาการทํางานของระบบ จากการใชภาพพิมพทรงสองเหล่ียมหัวมน

60 x 80 100 x 133 Shape

ลําดับท่ีของ Input Image Time (Second) Time (Second)

1 28 56 2 28 56 3 28 56 4 28 56

2 Angle

5 28 56 Total 140 280

Average 28 56

39

ตารางท่ี 5 เปรียบเทียบเวลาในการทํางานของระบบ จากการใชภาพพมิพทรงกลม

70 x 70 100 x 100 Shape ลําดับท่ีของ Input Image Time (Second) Time (Second)

1 29 54 2 28 51 3 28 52 4 27 54

No Angle

5 28 47 Total 140 258

Average 28 51.6 จากผลการทดลองท่ีเลือกใชภาพท่ีมีความละเอียด 100 จุดตอนิ้ว โดยใชขนาดภาพตาม

อัตราสวนของพิมพทรงท้ัง 4 พิมพทรงของพระผงท่ีนํามาทดสอบเพ่ือใหไดอัตราสวนท่ีสมจริงพบวา พิมพทรงส่ีเหล่ียมควรใชภาพขนาด กวาง x ยาว เทากับ 60 x 80 พิกเซล พิมพทรงสามเหล่ียมควรใชภาพขนาด 60 x 80 พิกเซล พิมพทรงส่ีเหล่ียมหัวมนควรใชภาพขนาด 60 x 80 พิกเซล และทรงกลมควรใชภาพขนาด 70 x 70 พิกเซล เน่ืองจากรูปภาพท่ีมีขนาดเล็กทําใหการทํางานในการจําแนกของระบบเร็วข้ึน รวมท้ังผลลัพธท่ีไดจะมีความถูกตองเทากับภาพท่ีมีขนาดใหญนั้น แตถาภาพมีขนาดที่เล็กเกินกวาท่ีกําหนดจะทําใหภาพขาดรายละเอียดทางพุทธศิลปเม่ือนํามาหาลักษณะพิเศษ และท่ีสําคัญในการปรับขนาดของพระผงน้ัน จะตองปรับใหไดขนาดตามอัตราสวนท่ีสมจริงเทานั้น

2. การหาขนาดของเมตริกซท่ีใชในการหาลักษณะพิเศษ การหาขอบภาพจากการใชภาพท่ีมีขนาดเมตริกซท่ีแตกตางกัน ซ่ึงในการทดลองน้ี

เลือกใชภาพท่ีมีเมตริกซขนาด 15 x 3 ขนาด 15 x 5 และขนาด 11 x 3 แยกทดลองจากภาพสี ท้ัง 4 พิมพทรง จํานวนพิมพทรงละ 10 ภาพ รวมจํานวนภาพท่ีนํามาใชในการทดลองจํานวน 40 ภาพ แสดงผลการจําแนกจากจํานวนภาพในแมแบบจํานวน 35 ภาพ โดยเลือกใช คา Correlation Coefficient จํานวน 3 คา เร่ิมจากคาตํ่าเลือกท่ี 0.4 คาปานกลางเลือกท่ี 0.6 และ คาสูงเลือกท่ี 0.8 ทดสอบเมตริกซละ 120 คร้ัง ทดลองกับเมตริกซ 3 ขนาด รวมจํานวนในการทดลองท้ังส้ิน 360 คร้ัง ไดผลการทดลอง ดังแสดงรายละเอียดตามตารางท่ี 6 – 21

40

ตารางท่ี 6 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงส่ีเหล่ียมท่ีใชขนาดเมตริกซในการหาลักษณะพเิศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ 0.4

[15 x 3] [15 x 5] [11 x 3] จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

1 18 17 26 18 17 26 14 13 24 2 18 17 25 19 18 26 15 14 23 3 17 16 24 15 14 27 17 16 23 4 17 16 25 19 18 26 15 14 24 5 14 13 26 16 15 26 16 15 24 6 17 16 26 14 13 26 15 14 24 7 16 15 25 17 16 27 16 15 24 8 13 12 25 18 17 26 16 15 23 9 16 15 25 16 15 25 12 11 24

4 Angle

10 16 15 26 15 14 26 13 12 23 Total 162 152 253 167 157 261 149 139 236

Average 67.50

% 93.83

% 25

วินาที 69.58

% 94.01

% 26

วินาที 62.08

% 93.29

% 24

วินาที

41

ตารางท่ี 7 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสามเหล่ียมท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 6 5 31 4 3 27 2 1 25 2 7 6 29 6 5 30 4 3 25 3 7 6 29 4 3 30 9 8 25 4 6 5 28 5 4 29 3 2 25 5 4 3 27 4 3 28 6 5 24 6 5 4 26 6 5 28 5 4 25 7 4 3 26 6 5 27 4 3 25 8 4 3 26 7 6 28 6 5 26 9 6 5 28 9 8 30 3 2 25

3 Angle

10 5 4 29 6 5 29 3 2 26 Total 54 44 279 57 47 286 45 35 251

Average 22.50

% 81.48

% 28

วินาที 23.75

% 82.46

% 29

วินาที 18.75

% 77.78

% 25

วินาที

42

ตารางท่ี 8 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสองเหล่ียมหัวมนท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 16 15 27 19 18 27 13 12 26 2 17 16 25 20 19 24 14 13 25 3 18 17 25 12 11 24 3 2 25 4 16 5 25 19 18 25 9 8 26 5 11 10 25 20 9 26 7 6 25 6 13 12 26 13 12 26 6 5 25 7 10 9 25 16 15 27 11 10 25 8 11 10 27 11 10 28 13 12 24 9 13 12 25 12 11 25 10 9 24

2 Angle

10 15 14 26 11 10 28 7 6 25 Total 140 120 256 153 133 260 93 83 250

Average 58.33

% 85.71

% 26

วินาที 63.75

% 86.93

% 26

วินาที 38.75

% 89.25

% 25

วินาที

43

ตารางท่ี 9 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงกลมท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกนั ท่ีคา Correlation Coefficient เทากับ 0.4

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

1 8 7 25 12 11 23 6 5 23 2 10 9 23 8 7 25 7 6 25 3 6 5 27 3 2 23 7 6 25 4 6 5 25 8 7 23 17 16 23 5 7 6 26 11 10 26 3 2 24 6 7 6 25 13 12 27 6 5 23 7 9 8 25 9 8 27 9 8 23 8 10 9 26 11 10 27 9 8 24 9 9 8 25 12 11 26 7 6 25

No Angle

10 7 6 25 9 8 27 11 10 23 Total 79 69 252 96 86 254 82 72 238

Average 32.92

% 87.34

% 25

วินาที 40.00

% 89.58

% 25

วินาที 34.17

% 87.80

% 24

วินาที

44

ตารางท่ี 10 แสดงขอมูลสรุปการเปรียบเทียบการทํางานของระบบจากภาพท้ัง 4 พิมพทรงท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.4

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ) Shape

คา C

orrela

tion C

oeffi

cient

Coun

t Of I

nput

Ima

ge

Coun

t Of I

mage

In

Tem

plate

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

4 Angle 0.4 10 240 162 10 152 25 167 10 157 26 149 10 139 24

3 Angle 0.4 10 240 54 10 44 28 57 10 47 29 45 10 35 25

2 Angle 0.4 10 240 140 10 120 26 153 10 133 26 93 10 83 25

No Angle

0.4 10 240 79 10 69 25 96 10 86 25 82 10 72 24

Total 40 960 435 40 40 104 473 40 40 106 369 40 40 98

Average 45.31

% 9.20 %

88.51 %

26.00 วินาที

49.27 %

8.46 %

89.43 %

26.50 วินาที

38.44 %

10.84 %

89.16 %

24.42 วินาที

45

ตารางท่ี 11 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงส่ีเหล่ียมท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.6

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 19 8 26 10 9 26 8 7 23 2 14 3 26 4 3 26 4 3 24 3 16 5 24 6 5 26 5 4 24 4 4 3 25 4 3 26 3 2 23 5 4 3 25 5 4 26 4 3 23 6 6 5 26 7 6 26 5 4 23 7 6 5 25 9 8 25 6 5 24 8 5 4 24 8 7 26 5 4 23 9 6 5 25 9 8 26 4 3 24

4 Angle

10 5 4 24 8 7 25 5 4 24 Total 85 45 250 70 60 258 49 39 235

Average 35.42

% 52.94

% 25

วินาที 29.17

% 85.71

% 26

วินาที 20.42

% 79.59

% 24

วินาที

46

ตารางท่ี 12 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสามเหล่ียมท่ีมีขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.6

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 1 0 31 2 1 27 2 1 25 2 3 2 29 2 1 30 2 1 26 3 3 2 30 2 1 29 2 1 25 4 2 1 24 1 0 30 2 1 25 5 2 1 25 3 2 26 3 2 25 6 4 3 25 2 1 26 2 1 24 7 3 2 26 4 3 27 3 2 25 8 1 0 25 5 4 27 2 1 26 9 5 4 25 3 2 29 2 1 24

3 Angle

10 4 3 25 6 5 30 2 1 25 Total 28 18 265 30 20 281 22 12 250

Average 11.67

% 64.29

% 27

วินาที 12.50

% 66.67

% 28

วินาที 9.17 %

54.55 %

25 วินาที

47

ตารางท่ี 13 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสองเหล่ียมหัวมนท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.6

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 5 4 26 7 6 26 2 1 25 2 8 7 25 7 6 24 3 2 26 3 5 4 25 2 1 24 2 1 25 4 2 1 24 8 7 25 2 1 25 5 3 2 25 6 5 27 3 2 24 6 3 2 24 6 5 27 2 1 25 7 2 1 25 3 2 26 2 1 25 8 6 5 25 7 6 26 2 1 24 9 4 3 26 5 4 26 3 2 24

2 Angle

10 4 3 26 4 3 26 3 2 24 Total 42 32 251 55 45 257 24 14 247

Average 17.50

% 76.19

% 25

วินาที 22.92

% 81.82

% 26

วินาที 10.00

% 58.33

% 25

วินาที

48

ตารางท่ี 14 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงกลมท่ีมีขนาดเมตริกซ ในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.6

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 3 2 25 2 1 23 2 1 23 2 4 3 24 5 4 25 3 2 25 3 3 2 27 5 4 24 4 3 25 4 10 9 24 2 1 24 3 2 23 5 5 4 25 4 3 26 2 1 23 6 3 2 26 6 5 27 2 1 24 7 3 2 25 9 8 28 2 1 23 8 3 2 25 5 4 25 3 2 23 9 2 1 26 7 6 27 3 2 24

No Angle

10 3 2 25 6 5 28 2 1 23 Total 39 29 252 51 41 257 26 16 236

Average 16.25

% 74.36

% 25

วินาที 21.25

% 80.39

% 26

วินาที 10.83

% 61.54

% 24

วินาที

49

ตารางท่ี 15 แสดงขอมูลสรุปการเปรียบเทียบผลการทํางานของระบบ จากภาพ 4 พิมพทรงท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีค า Correlation Coefficient เทากับ 0.6

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ) Shape

คา C

orrela

tion C

oeffi

cient

Coun

t Of I

nput

Ima

ge

Coun

t Of I

mage

In

Tem

plate

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

4 Angle 0.6 10 240 85 10 45 25 70 10 60 26 49 10 39 24

3 Angle 0.6 10 240 28 10 18 27 30 10 20 28 22 10 12 25

2 Angle 0.6 10 240 42 10 32 25 55 10 45 26 24 10 14 25

No Angle

0.6 10 240 39 10 29 25 51 10 41 26 26 10 16 24

Total 40 960 194 40 124 102 206 40 166 106 121 40 81 98

Average 20.21

% 20.62

% 63.92

% 25.50 วินาที

21.46 %

19.42 %

80.58 %

26.50 วินาที

12.60 %

33.6 %

66.94 %

24.50 วินาที

50

ตารางท่ี 16 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงส่ีเหล่ียมท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.8

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

1 2 1 25 2 1 26 1 0 24 2 1 0 25 2 1 26 1 0 23 3 1 0 24 2 1 26 1 0 24 4 1 0 25 1 0 26 1 0 24 5 1 0 24 2 1 26 1 0 23 6 2 1 24 1 0 25 1 0 23 7 2 1 24 1 0 26 1 0 23 8 2 1 24 2 1 26 1 0 25 9 1 0 25 1 0 26 1 0 24

4 Angle

10 1 0 25 2 1 27 1 0 24 Total 14 4 245 16 6 260 10 0 237

Average 5.83 %

28.57 %

25 วินาที

6.67 %

37.50 %

26 วินาที

4.17 %

0.00 %

24 วินาที

51

ตารางที่ 17 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสามเหล่ียมท่ีมีขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.8

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 1 0 30 1 0 27 1 0 25 2 1 0 30 1 0 31 1 0 24 3 1 0 30 1 0 30 1 0 25 4 1 0 26 1 0 30 1 0 25 5 2 1 26 2 1 26 1 0 24 6 1 0 26 2 1 27 1 0 24 7 1 0 27 1 0 27 1 0 24 8 2 1 30 1 0 30 1 0 23 9 1 0 27 2 1 28 1 0 25

3 Angle

10 1 0 26 2 1 27 1 0 24 Total 12 2 278 14 4 283 10 0 243

Average 5.00 %

16.67 %

28 วินาที

5.83 %

28.57 %

28 วินาที

4.17 %

0.00 %

24 วินาที

52

ตารางท่ี 18 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงสองเหล่ียมหัวมนท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.8

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ))

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

1 2 1 25 2 1 26 1 0 25 2 2 1 25 1 0 24 1 0 26 3 1 0 24 1 0 23 1 0 25 4 1 0 24 2 1 26 1 0 25 5 1 0 25 2 1 26 1 0 24 6 2 1 25 2 1 27 1 0 24 7 1 0 27 1 0 26 1 0 24 8 1 0 26 1 0 27 1 0 24 9 1 0 26 1 0 27 1 0 25

2 Angle

10 1 0 26 1 0 26 1 0 24 Total 13 3 253 14 4 258 10 0 246

Average 5.42 %

23.08 %

25 วินาที

5.83 %

28.57 %

26 วินาที

4.17 %

0.00 %

25 วินาที

53

ตารางที่ 19 เปรียบเทียบการทํางานของระบบ จากการใชภาพพิมพทรงกลมท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.8

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ (ภาพ)

Shape

ลําดับ ที่ ของ

Input Image

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

1 1 0 24 2 1 23 1 0 24 2 2 1 25 2 1 25 1 0 26 3 2 1 24 1 0 24 2 1 26 4 1 0 24 2 1 23 1 0 23 5 2 1 25 2 1 25 1 0 24 6 1 0 24 2 1 27 1 0 23 7 1 0 24 2 1 25 1 0 23 8 2 1 24 1 0 26 1 0 24 9 1 0 24 2 1 25 2 1 23

No Angle

10 2 1 24 2 1 25 1 0 23 Total 15 5 242 18 8 248 12 2 239

Average 6.25 %

33.33 %

24 วินาที

7.50 %

44.44 %

25 วินาที

5.00 %

16.67 %

24 วินาที

54

ตารางท่ี 20 แสดงขอมูลสรุปการเปรียบเทียบการทํางานของระบบ จากภาพท้ัง 4 พมิพทรงท่ีมีขนาด เมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีคา Correlation Coefficient เทากับ 0.8

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ) Shape

คา C

orrela

tion C

oeffi

cient

Coun

t Of I

nput

Ima

ge

Coun

t Of I

mage

In

Tem

plate

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลาในการ

จําแนก (วินาที)

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก(วินาที)

คนพบ

ทั้งหม

ด

ถูกตอ

ง

ผิดพล

าด

เวลา ในการจําแนก (วินาที)

4 Angle 0.8 10 240 14 10 4 25 16 10 6 26 10 10 0 24

3 Angle 0.8 10 240 12 10 2 28 14 10 4 28 10 10 0 24

2 Angle 0.8 10 240 13 10 3 25 14 10 4 26 10 10 0 25

0 Angle 0.8 10 240 15 10 5 24 18 10 8 25 12 10 2 24

Total 40 960 54 40 14 102 62 40 22 105 42 40 2 97

Average 5.63 %

74.07 %

25.93 %

25.50 วินาที

6.46 %

64.52 %

35.48 %

26.50 วินาที

4.38 %

95.24 %

4.76 %

24.25 วินาที

จากการทดลองเม่ือนําขอมูลการใชเมตริกซท้ัง 3 ขนาด เขาสูระบบ โดยทําการ

เปรียบเทียบจากคา Coefficient ท่ีแตกตางกันท้ัง 3 คา คือ 0.4 0.6 และ 0.8 จะไดผลจากการ Train ระบบ ซ่ึงสรุปเปนคารอยละของความถูกตองและความผิดพลาดจากจํานวนภาพท่ีคนพบในแมแบบ รวมท้ังเวลาท่ีใชในการจําแนกจากจํานวนภาพของเมตริกซท้ัง 3 ขนาดท่ีนํามาทดลอง กับจํานวนภาพในแมแบบ ซ่ึงสามารถสรุปไดดังตารางท่ี 21

55

ตารางท่ี 21 แสดงขอมูลสรุปการเปรียบเทียบการทํางานของระบบ จากการใชภาพท้ัง 4 พิมพทรงท่ีมีขนาดเมตริกซในการหาลักษณะพิเศษเฉพาะท่ีแตกตางกัน ท่ีค า Correlation Coefficient เทากับ 0.4 เทากับ 0.6 และเทากับ 0.8

[15 x 3] [15 x 5] [11 x 3]

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

จํานวนภาพท่ี คนพบในแมแบบ

(ภาพ)

คา C

orre

lation

Coe

fficie

nt

Coun

t Of I

nput

Ima

ge

Coun

t Of I

mage

In

Tem

plate

ถูกตอ

ง (%)

ผิดพล

าด (%

) เวลา ในการจําแนก (วินาที)

ถูกตอ

ง (%)

ผิดพล

าด (%

)

เวลา ในการจําแนก (วินาที)

ถูกตอ

ง (%)

ผิดพล

าด (%

)

เวลา ในการจําแนก

(วินาที)

0.4 40 960 9.20 88.51 26.00 8.46 89.43 26.50 10.84 89.16 24.42

0.6 40 960 20.62 63.92 25.50 19.42 80.58 26.50 33.6 66.94 24.50

0.8 40 960 74.07 25.93 25.50 64.52 35.48 26.25 95.24 4.76 24.25

จากรายละเอียดท่ีไดจากผลการทดลอง จากตารางแสดงการใชเมตริกซท้ัง 3 ขนาด

เปรียบเทียบการทํางานของระบบท่ีคา Correlation Coefficient ท่ี 0.4 ท่ี 0.6 และท่ี 0.8 พบวา 1) เม่ือพิจารณาจากคารอยละของความถูกตองจากการคนพบ เมตริกซขนาด 11 x 3 มี

คารอยละของการคนพบสูงท่ีสุด คือ 95.24 ท่ีคา Correlation Coefficient เทากับ 0.8 รองลงมา คือ เมตริกซขนาด 15 x 3 และตํ่าท่ีสุด คือ เมตริกซขนาด 15 x 5

2) เม่ือพิจารณาจากคารอยละของความผิดพลาดในการคนพบ เมตริกซขนาด 11 x 3 มีคารอยละของการผิดพลาดตํ่าท่ีสุด คือ 4.76 ท่ีคา Correlation Coefficient เทากับ 0.8 รองลงมา คือ เมตริกซขนาด 15 x 3 และสูงท่ีสุด คือ เมตริกซขนาด 15 x 5

3) เม่ือพิจารณาจากเวลาเฉล่ียท่ีใชในการจําแนก เมตริกซขนาด 11 x 3 มีการใชเวลานอยที่สุด คือ 24.25 ท่ีคา Correlation Coefficient เทากับ 0.8 รองลงมา คือ เมตริกซขนาด 15 x 3 และใชเวลามากท่ีสุด คือ เมตริกซขนาด 15 x 5

ดังนั้นจึงสามารถสรุปไดวา ท่ีคา Correlation Coefficient เทากับ 0.8 เมตริกซขนาด 11 x 3 มีความถูกตองจากการคนพบสูง มีโอกาสท่ีจะเกิดความผิดพลาดนอยและใชเวลาในการ

56

จําแนกนอยท่ีสุด นั่นคือ สามารถใหรายละเอียดสําหรับลักษณะพิเศษเฉพาะ เชน ขอบภาพรวมท้ังรายละเอียดภายในองคพระผงไดละเอียดและชัดเจนกวาเมตริกซขนาด 15 x 3 และ 15 x 5 ดังน้ันผูวิจัยจึงเลือกใชเมตริกซขนาด 11 x 3 สําหรับการทดลองในงานวิจัยนี้

3. การหาคา Correlation Coefficient ท่ีมีประสิทธิภาพ 3.1) การหาประสิทธิภาพของคา Correlation Coefficient ท่ี 0.1 – 0.95 เม่ือนําขอมูลภาพนําเขามาใหระบบทําการเปรียบเทียบกบัขอมูลภาพท่ีจัดเก็บเปน

แมแบบโดยจําแนกตามคา Correlation Coefficient ระหวาง 0.1 – 0.95 ไดจํานวนการคนพบและจํานวนความถูกตองในการจาํแนกภาพของระบบ ดังแสดงรายละเอียดในตารางท่ี 22 ถึง 32

ตารางท่ี 22 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.1

คา Coefficient ที่ 0.1

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle

10 10 0 0 10

3 angle 10 10 0 0 10

2 angle 10 10 0 0 10

No angle 10 10 0 0 10

Total 40 40 0 0 40 Percent 100.00 0.00 0.00 100

57

ตารางท่ี 23 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.2

คา Coefficient ที่ 0.2

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle 10 10 0 0 10

3 angle 10 10 0 0 10

2 angle 10 10 0 0 10

No angle 10 10 0 0 10

Total 40 40 0 0 40 Percent 100.00 0.00 0.00 100.00

ตารางท่ี 24 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.3

คา Coefficient ที่ 0.3

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle

10 10 0 0 10

3 angle 10 10 0 0 10

2 angle 10 10 0 0 10

No angle 10 10 0 0 10

Total 40 40 0 0 40 Percent 100.00 0.00 0.00 100.00

58

ตารางท่ี 25 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.4

คา Coefficient ที่ 0.4

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle 10 10 0 6 4

3 angle 10 10 0 4 6

2 angle 10 10 0 5 5

No angle 10 10 0 6 4

Total 40 40 0 21 19 Percent 100.00 0.00 52.50 47.50

ตารางท่ี 26 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.5

คา Coefficient ที่ 0.5

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle

10 10 0 7 3

3 angle 10 10 0 7 3

2 angle 10 10 0 6 4

No angle 10 10 0 6 4

Total 40 40 0 26 14 Percent 100.00 0.00 65.00 35.00

59

ตารางท่ี 27 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.6

คา Coefficient ที่ 0.6

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle 10 10 0 8 2

3 angle 10 10 0 8 2

2 angle 10 10 0 8 2

No angle 10 10 0 7 3

Total 40 40 0 31 9 Percent 100 0.00 77.50 22.50

ตารางท่ี 28 แสดงขอมูลเปรียบเทียบการจําแนกพระผงที่คา Correlation Coefficient 0.7

คา Coefficient ที่ 0.7

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle

10 10 0 9 1

3 angle 10 10 0 8 2

2 angle 10 10 0 9 1

No angle 10 10 0 9 1

Total 40 40 0 35 5 Percent 100 0.00 87.50 12.50

60

ตารางท่ี 29 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.8

คา Coefficient ที่ 0.8

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle 10 14 0 11 3

3 angle 10 11 0 11 0

2 angle 10 13 0 13 0

No angle 10 10 0 10 0

Total 40 48 0 45 3 Percent 100.00 0.00 93.75 6.25

ตารางท่ี 30 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.9

คา Coefficient ที่ 0.9

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle

10 10 0 10 0

3 angle 10 10 0 10 0

2 angle 10 10 0 10 0

No angle 10 10 0 10 0

Total 40 40 0 40 0 Percent 100 0.00 100 0.00

61

ตารางท่ี 31 แสดงขอมูลเปรียบเทียบการจาํแนกพระผงท่ีคา Correlation Coefficient 0.95

คา Coefficient ท่ี 0.95

การคนพบ ความถูกตอง

Shape

Count Of Input Image

พบ ไมพบ ถูกตอง ผิดพลาด

4 angle 10 10 0 10 0

3 angle 10 10 0 10 0

2 angle 10 10 0 10 0

No angle 10 10 0 10 0

Total 40 40 0 40 0 Percent 100 0.00 100 0.00

จากการทดลองเม่ือนําภาพพระผงเขาสูระบบ โดยทําการเปรียบเทียบจากคา Correlation

Coefficient ท่ีแตกตางกันต้ังแต 0.1 – 0.95 จะไดผลสรุปเปนคารอยละของจํานวนท่ีคนพบและท่ีคนไมพบกับคารอยละของความถูกตองและความผิดพลาดในการจําแนกของระบบ ซ่ึงสามารถสรุปไดดังตารางท่ี 32

62

ตารางท่ี 32 แสดงขอมูลสรุปการเปรียบเทียบการใชคา Correlation Coefficient ท่ี 0.1 – 0.95

Coefficient %

การคนพบ %

การคนไมพบ %

ความถูกตอง %

ความผดิพลาด สรุปผล

0.1 100.00 0.00 0.00 100.00 0.2 100.00 0.00 0.00 100.00 0.3 100.00 0.00 0.00 100.00

ไมมีประสิทธิภาพ ในการจําแนก

0.4 100.00 0.00 52.50 47.50 0.5 100.00 0.00 65.00 35.00

มีประสิทธิภาพ ในการจําแนกต่ํา

0.6 100.00 0.00 77.50 22.50 0.7 100.00 0.00 87.50 12.50

มีประสิทธิภาพใน การจําแนกปานกลาง

0.8 100.00 0.00 93.75 6.25 0.9 100.00 0.00 100 0 0.95 100.00 0.00 100 0

มีประสิทธิภาพ ในการจําแนกสูง

เม่ือวิเคราะหจากการสรุปผลการเปรียบเทียบจากจํานวนภาพพระผงท่ีนํามาทดสอบแยกตามประเภทพิมพทรง ท้ัง 4 พิมพทรง รวมจํานวนท้ังส้ิน 400 คร้ัง ผลการศึกษาคาความถูกตองและคาความผิดพลาดในการจําแนก ระหวางคาความเหมือนท่ี 0.1 – 0.95 สามารถสรุปไดดังนี้

คาความเหมือนท่ี 0.1 - 0.3 ระบบไมมีประสิทธิภาพในการจําแนกพระผง คาความเหมือนท่ี 0.4 - 0.5 ระบบมีประสิทธิภาพในการจําแนกพระผงตํ่า คาความเหมือนท่ี 0.6 – 0.7 ระบบมีประสิทธิภาพในการจําแนกพระผงปานกลาง คาความเหมือนท่ี 0.8 - 0.95 ระบบมีประสิทธิภาพในการจําแนกพระผงสูง

3.2) การหาคา Correlation Coefficient ท่ีมีประสิทธิภาพมากท่ีสุด ระหวาง 0.8 – 0.95

จากผลสรุปพบวาคาความเหมือนท่ี 0.8 - 0.95 เปนคาความเหมือนท่ีมีประสิทธิภาพในการจําแนกพระผงของระบบสูง โดยเฉพาะคาท่ี 0.8 นั้น พบวาระบบสามารถคนพบภาพพระผงท่ีมีลักษณะพิมพทรงใกลเคียงกันได ผูวิจัยจึงทดลองนําคา Correlation Coefficient ท่ี 0.8 ท่ี 0.9 และท่ี 0.95 มาทดสอบอีกคร้ัง เพ่ือหาคา Correlation Coefficient ท่ีมีประสิทธิภาพสูงท่ีสุดในการจําแนกพระผง โดยใชภาพพระผงท่ีนํามาทดสอบจํานวนพิมพทรงละ 25 ภาพ รวมจํานวนท้ังส้ิน 100 ภาพ ซ่ึงไดผลการทดสอบสรุปไดดังนี้

63

ตารางท่ี 33 แสดงขอมูลสรุปการเปรียบเทียบประสิทธิภาพการจําแนกของระบบ จากการใชคาCorrelation Coefficient ท่ี 0.8 – 0.95

Coefficient 0.8 Coefficient 0.9 Coefficient 0.95

การคนพบ

ความถูกตอง

การคนพบ

ความถูกตอง

การคนพบ

ความถูกตอง

Shape Co

unt O

f

Inpu

t Ima

ge

พบ

ไมพบ

ถูกตอ

ง

ผิดพล

าด

พบ

ไมพบ

ถูกตอ

ง

ผิดพล

าด

พบ

ไมพบ

ถูกตอ

ง

ผิดพล

าด

4 angle 25 26 0 26 0 25 0 25 0 25 0 25 0

3 angle 25 44 0 38 6 25 0 25 0 25 0 25 0

2 angle

25 25 0 25 0 25 0 25 0 25 0 25 0

No angle

25 28 0 26 2 25 0 25 0 25 0 25 0

Total 100 123 0 115 8 100 0 100 0 100 0 100 0

Percent 100 100 0 93.50 6.50 100 0 100 0 100 0 100 0

จากการวิเคราะหผลการทดลองของการจําแนกพระผง โดยการนําเขาภาพพระผง ท่ีแบง

ออกเปน 4 พิมพทรง ทดลองพิมพทรงละ 25 ภาพ รวมจํานวนท้ังส้ิน 100 ภาพ ทดสอบท้ังหมดจํานวน 300 คร้ัง พบวาคา Correlation Coefficient ท่ี 0.9 และ ท่ี 0.95 สามารถจําแนกภาพ พระผงท่ีนํามาทดสอบจากทุกพิมพทรงไดถูกตอง 100 % โดยท่ีไมมีความผิดพลาดเลย นั่นคือ จะพบภาพในแมแบบอางอิงตรงกับภาพท่ีนํามาทดสอบ เม่ือภาพท่ีนํามาทดสอบกับภาพท่ีจัดเก็บเปนแมแบบอางอิงมีลักษณะเหมือนกันทุกประการ และเม่ือวิเคราะหผลการทดสอบท่ีคา Correlation Coefficient ท่ี 0.8 ผลการทดสอบพบวามีการคนพบภาพท่ีจัดเก็บเปนแมแบบอางอิงเกินจํานวนภาพนําเขาท่ีนํามาทดสอบ เนื่องจากระบบมีความสามารถในการตรวจสอบภาพพระผงท่ีมีพิมพทรงเดียวกัน มีท่ีมาเดียวกัน สรางพรอมกัน ซ่ึงมีพุทธศิลปใกลเคียงกันได และระบบยังสามารถตรวจสอบภาพพระผงที่ตางรุนกัน โดยมีรายละเอียดของพุทธศิลปแตกตางกันไมมากนักได โดย

64

ระบบสามารถคนพบภาพพระผงท่ีนํามาทดสอบกับภาพท่ีจัดเก็บเปนแมแบบอางอิง คิดเปนรอยละ 100 และเม่ือวิเคราะหจากคาความถูกตองในการจําแนกพบวาระบบมีการจําแนกผิดพลาดรอยละ 6.50 เนื่องมาจากความละเอียดของระบบท่ีนําภาพพระผงท่ีมีพิมพทรงเดียวกันและมีรายละเอียดตางกันไมมากนักมาเปนผลในการจําแนกดวย ซ่ึงเม่ือวิเคราะหจากคาความถูกตองในการจําแนก ระบบสามารถจําแนกไดถูกตองคิดเปนรอยละ 93.50 ซ่ึงถือวาเปนคาท่ีนาพึงพอใจ ผูวิจัยจึงไดกฎของระบบการจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษเฉพาะ คือ ใชคา Correlation Coefficient ท่ี 0.8 จะทําใหระบบมีประสิทธิภาพในการจําแนกพระผงสูงท่ีสุด

4. การหาประสิทธิภาพในการจําแนกของระบบ

ในหัวขอนี้จะทดสอบความสามารถของระบบในการจําแนกพระผงท่ีมีลักษณะพิมพทรงเดียวกัน รุนเดียวกัน ซ่ึงจัดสรางจากวัดเดียวกัน แตอาจมีความแตกตางกันบางเล็กนอย ตามสภาพแวดลอมในการจัดทํา เชนพิมพทรง รายละเอียดของพุทธศิลป ความคมชัด และสีท่ีแตกตางกัน เนื่องมาจากการจัดสรางพระผงน้ัน จะตองใชแมพิมพสําหรับเปนแบบในการข้ึนรูปสวนผสมของผงพระท่ีจัดเตรียมไว ซ่ึงการข้ึนรูปจะใชการกดสวนผสมของพระผงกับแมพิมพคร้ังละ 1 องค จึงจําเปนตองมีแมพิมพและผูกดพิมพพระผงจํานวนมากตามปริมาณของพระผงท่ีจะจัดสราง โดยปจจัยดังกลาวจะผลตอพิมพทรง รายละเอียดของพุทธศิลปและความคมชัดของพระแตละองค เพราะท้ังสามส่ิงนี้ข้ึนอยูกับบุคคลท่ีทําหนาท่ีกดพิมพพระผง สวนวรรณะและสีของพระผงจะข้ึนอยูกับการผสมของผงตางๆ ตามกรรมวิธีการจัดสรางของแตละวัด เชน พระผงท่ีจัดสรางจากผงใบลานเปนหลักเนื้อจะออกสีเทาดํา ถาสรางจากผงเกสรตางๆ เน้ือจะมีสีขาวขุน เปนตน ดังน้ันการจําแนกพระผงท่ีมีลักษณะทางพุทธศิลปใกลเคียงกับภาพท่ีจัดเก็บเปนแมแบบอางอิงและโดยเฉพาะการจําแนกพระผงที่ไมใชรูปภาพพระผงองคเดียวกันกับภาพท่ีนํามาใชจัดเก็บเปนแมแบบอางอิงของระบบ จึงถือเปนวัตถุประสงคหลักของการทําวิจัยในคร้ังน้ี โดยจะใชคา Correlation Coefficient ท่ี 0.8 สําหรับการทดสอบ

4.1) การจําแนกพระผงท่ีนําเขามาทดสอบซ่ึงเปนองคเดยีวกันกับภาพพระผงท่ีใชจัดเก็บเปนแมแบบอางอิง

การทดลองน้ีจะใชภาพสีพระผงนําเขาท่ีเปนภาพเดียวกันกับภาพพระผงท่ีใชสรางเปนแมแบบอางอิง จํานวนพิมพทรงละ 25 ภาพ รวมจํานวน 100 ภาพ มาทดลองกับภาพแมแบบอางอิงแตละพิมพทรงซ่ึงมีจํานวน 35 ภาพ รวมจํานวนการทดลองท้ังส้ิน 100 คร้ัง ซ่ึงมีผลการจําแนกตามรายละเอียดในตารางท่ี 34

65

ตารางท่ี 34 แสดงผลการจําแนกพระผงซ่ึงเปนภาพเดียวกันกับภาพที่ใชสรางเปนแมแบบ

การจําแนก

Shape

Count Of

Input Image

จํานวนภาพท่ี

คนพบในแมแบบ

จํานวนภาพท่ีจําแนกถูกตอง

จํานวนภาพท่ีจําแนกผิดพลาด

จํานวนภาพท่ี ไมพบ

เวลาเฉลี่ย ในการจําแนก(วินาที)

4 angle

25 31 31 0 0 10

3 angle

25 45 40 5 0 11

2 angle

25 27 27 0 0 10

No angle

25 30 27 3 0 11

Total 100 133 125 8 0 42

Percent 100.00 100.00 93.98 6.02 0.00 10

4.2) การจําแนกพระผงท่ีไมใชรูปภาพพระผงองคเดียวกันกับภาพพระผงท่ีใชจัดเก็บเปน

แมแบบอางอิง การทดลองน้ีจะนําภาพสีพระผงท่ีเปนรุนเดียวกัน แตไมใชรูปภาพพระผงองคเดียวกนักับ

ภาพพระผงท่ีใชจัดเก็บเปนแมแบบ ซ่ึงจะมีลักษณะทางพุทธศิลปใกลเคียงกันมาทดสอบ พิมพทรงละ 25 ภาพ รวมจํานวน 100 ภาพ มาทดลองกับภาพแมแบบอางอิงแตละพิมพทรงซ่ึงมีจํานวน 35 ภาพ รวมจํานวนการทดลองท้ังส้ิน 100 คร้ัง ซ่ึงมีผลการจําแนกตามรายละเอียดในตารางท่ี 35

66

ตารางท่ี 35 แสดงผลการจําแนกพระผงซ่ึงไมเปนภาพเดียวกันกับภาพท่ีใชสรางเปนแมแบบ

การจําแนก

Shape

Count Of

Input Image

จํานวนภาพท่ี

คนพบในแมแบบ

จํานวนภาพท่ีจําแนกถูกตอง

จํานวนภาพท่ีจําแนกผิดพลาด

จํานวนภาพท่ี ไมพบ

เวลา ในการจําแนก(วินาที)

4 angle

25 21 21 0 4 10

3 angle

25 20 20 0 5 10

2 angle

25 18 18 0 7 10

No angle

25 20 20 0 5 12

Total 100 79 79 0 21 42

Percent 100.00 79.00 100.00 0.00 21.00 10

จากผลการทดลอง จะพบวาระบบสามารถจําแนกพระผงท่ีเปนภาพเดียวกันกับภาพ พระผงท่ีใชสรางเปนแมแบบอางอิงไดถูกตอง คิดเปนรอยละ 93.98 รวมทั้งมีความผิดพลาดในการจําแนกเพียงเล็กนอย คิดเปนรอยละ 6.02 โดยใชเวลาในการจําแนกเพียง 10 วินาที และสามารถจําแนกพระผงท่ีไมใชรูปภาพพระผงองคเดียวกันกับภาพท่ีนํามาสรางเปนแมแบบอางอิงไดถูกตองท้ังหมด คิดเปนรอยละ 100 โดยไมมีความผิดพลาดในการจําแนกเลย โดยใชเวลาในการจําแนกเพียง 10 วินาที และพบวาระบบสามารถคนพบภาพในแมแบบได คิดเปนรอยละ 79.00 และคนภาพในแมแบบไมพบเพียงรอยละ 21.00 นั่นคือภาพพระผงที่นําเขามาทดสอบน้ันมีคา Correlation Coefficient นอยกวา 0.8 เน่ืองมาจากปญหาในการจัดสรางพระผงดังท่ีไดกลาวไวแลวขางตน รวมท้ังปญหาเกี่ยวกับสภาพแวดลอมในการถายภาพพระผงที่จะนํามาใชในการทดสอบ ดังน้ันจึงสรุปไดวาระบบสามารถจําแนกพระผงที่เปนภาพเดียวกันกับภาพพระผงท่ีใชสรางเปนแมแบบอางอิงและภาพพระผงท่ีถายมาจากพระผงที่เปนรุนเดียวกันแตไมใชองคเดียวกันกับภาพท่ีนํามาสรางเปนแมแบบอางอิงไดคอนขางมีประสิทธิภาพโดยใชเวลาในการจําแนกเพียง 10 วินาที เทานั้น

บทที่ 5 สรุป อภิปรายผลและขอเสนอแนะ

สรุปผลการวิจัย จากการดําเนินงานวิจัย ผูวิจัยไดดําเนินงานวิจัยจนสําเร็จตามวัตถุประสงคของการวิจัย คือ ศึกษาและสรางโปรแกรมระบบการจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษเฉพาะสําหรับพระผงที่มีพิมพทรงแตกตางกัน ซ่ึงสามารถแบงไดเปนพิมพทรง 4 เหล่ียม พิมพทรง 3 เหล่ียม พิมพทรง 2 เหล่ียมหัวมน และพิมพทรงไมมีเหล่ียมหรือพิมพทรงกลม ซ่ึงผูวิจัยไดเสนอข้ันตอนวิธีการศึกษาและพัฒนาระบบ โดยมีข้ันตอนวิธีท่ีนําเสนอ 4 สวนดังนี้ สวนท่ี 1 การเตรียมขอมูลภาพพระผงสําหรับการนําลักษณะพิเศษมาจัดเก็บเปนแมแบบ เปรียบเทียบ ซ่ึงแบงตามชนิดของพิมพทรง 4 พิมพทรงคือ พิมพทรง 4 เหล่ียม พิมพทรง 3 เหล่ียม พิมพทรง 2 เหล่ียมหัวมน และพิมพทรงไมมีเหล่ียมหรือพิมพทรงกลม โดยเตรียมภาพพระผงประเภทพิมพทรงละ 35 ภาพ รวมท้ังหมด 140 ภาพ จัดเก็บไวเปนแมแบบอางอิงของระบบ

สวนท่ี 2 การเตรียมขอมูลภาพพระผงนําเขาท่ีมีพิมพทรงแตกตางกันท้ัง 4 พิมพทรง ไดแก พิมพทรง 4 เหล่ียม พิมพทรง 3 เหล่ียม พิมพทรง 2 เหล่ียมหัวมนและพิมพทรงกลม โดยเตรียมประเภทพิมพทรงละ 100 ภาพ รวมท้ังหมด 400 ภาพ ซ่ึงจากการทดลองการหาขนาดภาพสีนําเขาท่ีเหมาะสมคือ พิมพทรง 4 เหล่ียมควรมีขนาด กวาง x ยาว เทากับ 60 x 80 พิกเซล พิมพทรง 3 เหล่ียมควรมีขนาด 60 x 80 พิกเซล พิมพทรง 2 เหล่ียมหัวมนควรมีขนาด 60x80 พิกเซล และพิมพทรงไมมีมุมมี 2 ลักษณะคือ ไมใชทรงกลมควรมีขนาด 60 x 80 และพิมพทรงกลมควรมีขนาด 70 x 70 พิกเซล

สวนท่ี 3 เปนการศึกษาตัวแบบในการจําแนกพระผง โดยไดผลสรุปจากการทดลอง

ดังรายละเอียดตอไปนี้ 3.1 การหาขนาดภาพสีนําเขาท่ีเหมาะสมท่ีจะนํามาใชในการจําแนกของระบบ

คํานวณไดจากการประเมินคาเวลาเฉลี่ยท่ีใชในการจําแนกของระบบ ดวยการใชภาพสีท่ีมีขนาด

67

68

แตกตางกัน ซ่ึงในการทดลองเลือกใชภาพที่มีความละเอียด 100 จุดตอนิ้ว แบงเปน 4 ขนาดตามอัตราสวนของพิมพทรงท้ัง 4 พิมพทรง คือพิมพทรงส่ีเหล่ียม ใชขนาด กวาง x ยาว เทากับ 60 x 80 และ 100x133 พิกเซล พิมพทรงสามเหล่ียมใชขนาด 60 x 80 และ 100x133 พิกเซล พิมพทรงส่ีเหล่ียมหัวมนใชขนาด 60x80 และ 100x133 พิกเซล และทรงกลมใชขนาด 70x70 และ 100x100 พิกเซล จํานวนพิมพทรงละ 5 ภาพ รวมจํานวนภาพท่ีนํามาใชในการทดลองจํานวน 20 ภาพ โดยสุมใชคา Correlation Coefficient ท่ี 0.8 ซ่ึงหลังจากการทดลองพบวาควรเลือกใชภาพที่มีความละเอียด 100 จุดตอนิ้วโดยพิมพทรง 4 เหล่ียมควรใชภาพขนาด กวาง x ยาว เทากับ 60 x 80 พิกเซล พิมพทรง 3 เหล่ียมควรใชภาพขนาด 60 x 80 พิกเซล พิมพทรง 2 เหล่ียมหัวมนควรใชภาพขนาด 60 x 80 พิกเซล พิมพทรงไมมีมุมท่ีไมใชทรงกลมใชภาพขนาด 60 x 80 และพิมพทรงกลมควรใชภาพขนาด 70 x 70 พิกเซล เนื่องจากรูปภาพท่ีมีขนาดเล็กทําใหการทํางานในการจําแนกของระบบเร็วข้ึน รวมทั้งผลลัพธที่ไดจะมีความถูกตองเทากับภาพท่ีมีขนาดใหญนั้น ซ่ึงการเลือกใชขนาดภาพตองมาจากอัตราสวนท่ีสมจริงเทานั้น

3.2 การหาขนาดเมตริกซท่ีเหมาะสมในการคํานวณหาลักษณะพิเศษเฉพาะท่ีจะนํามาใชในระบบ ซ่ึงคํานวณไดจากการประเมินคารอยละของการคนพบและความผิดพลาดในการจําแนก รวมท้ังเวลาเฉล่ียท่ีใชในการจําแนกของระบบ ซ่ึงในการทดลองนี้เลือกใชภาพท่ีมีเมตริกซขนาด 15 x 3 ขนาด 15 x 5 และขนาด 11 x 3 แยกทดลองจากภาพสีท้ัง 4 พิมพทรง จํานวนพิมพทรงละ 10 ภาพ รวมจํานวนภาพท่ีนํามาใชในการทดลองจํานวน 40 ภาพ แสดงผลการจําแนกจากจํานวนภาพในแมแบบจํานวน 24 ภาพ โดยสุมใชคา Correlation Coefficient จากคาคอนขางต่ํา ท่ี 0.4 คาปานกลาง ท่ี 0.6 และคอนขางสูง ท่ี 0.8 ซ่ึงหลังจากการทดลองพบวาเมตริกซขนาด 11 x 3 มีความถูกตองจากการคนพบสูง มีโอกาสที่จะเกิดความผิดพลาดนอย และใชเวลาในการจําแนกนอยท่ีสุด นั่นคือ สามารถใหรายละเอียดของขอบภาพรวมท้ังรายละเอียดภายในองคพระผงไดละเอียดและชัดเจนกวาเมตริกซขนาด 15 x 3 และขนาด 15 x 5 ดังนั้นผูวิจัยจึงเลือกใชเมตริกซขนาด 11 x 3 สําหรับการทดลองในงานวิจัยนี้

3.3 การหาคา Correlation Coefficient ท่ีมีประสิทธิภาพสําหรับการจําแนกของระบบ คํานวณไดจากการประเมินคารอยละของการคนพบและความถูกตองในการจําแนกจากการใช คา Correlation Coefficient ระหวาง 0.1 – 0.95 ซ่ึงหลังจากการทดลองพบวาเม่ือเตรียมขอมูลภาพพระผงนําเขาท่ีมีพิมพทรงแตกตางกันท้ัง 4 พิมพทรง ประเภทพิมพทรงละ 25 ภาพ มาเปรียบเทียบขอมูลการคนพบและขอมูลความถูกตองในการจําแนกกับขอมูลภาพท่ีเปนแมแบบในระบบ โดยทดลองนําเขาขอมูลทดสอบท้ัง 4 พิมพทรง เพื่อนํามาจําแนกตามคา Correlation Coefficient ระหวาง 0.10 – 0.95 ประเภทพิมพทรงละ 100 คร้ัง รวมทุกพิมพทรงคิดเปนจํานวน

69

400 คร้ัง จนไดคา Correlation Coefficient ท่ีมีประสิทธิภาพ คือคาระหวาง 0.8 – 0.95 ซ่ึงมีประสิทธิภาพในการจําแนกสูง จากน้ันนําคา Correlation Coefficient ระหวาง 0.8 – 0.95 มาทดสอบอีกคร้ัง เพื่อหาคา Correlation Coefficient ท่ีมีประสิทธิภาพในการจําแนกสูงท่ีสุด โดยทดลองนําภาพพระผงท้ัง 4 พิมพทรง จํานวนพิมพทรงละ 25 ภาพ รวมจํานวนท้ังส้ิน 100 ภาพ มาทดสอบระบบการจําแนก ตามคา Correlation Coefficient ท่ี 0.8 ท่ี 0.9 และท่ี 0.95 จนไดตวัแบบในการจําแนกมาสรางเปนกฎของระบบ คือใชคา Correlation Coefficient ท่ี 0.8 ซ่ึงพบวาไดผลการทดลองเปนท่ีนาพึงพอใจ คือระบบมีความสามารถในการคนพบ 100 % และมีความถูกตองในการจําแนก 93.50 % และยังพบวาระบบสามารถตรวจสอบภาพพระผงท่ีมีพิมพทรงเดียวกัน มีที่มาเดียวกัน สรางพรอมกัน ซ่ึงมีพุทธศิลปใกลเคียงกันมาเปนผลในการจําแนกไดอีกดวย

3.4 การคํานวณประสิทธิภาพในการจําแนกของระบบ โดยใชพระผงท่ีเปนภาพเดียวกันกับภาพพระผงที่ใชสรางเปนแมแบบอางอิงและพระผงที่ไมใชรูปภาพพระผงองคเดียวกันกับภาพท่ีนํามาสรางเปนแมแบบอางอิง คํานวณไดจากการประเมินคารอยละของความถูกตอง ความผิดพลาดและรอยละของการคนพบ การคนไมพบในการจําแนกประเภทของพระผงท่ีนํามาทดสอบ รวมท้ังเวลาเฉล่ียท่ีใชในการจําแนกของระบบ จากคา Correlation Coefficient ท่ีมีประสิทธิภาพท่ีคํานวณได จึงทดสอบความสามารถในการจําแนกของระบบท่ีคา Correlation Coefficient ท่ี 0.8 โดยใชภาพสีนําเขาของพระผงท่ีเปนภาพเดียวกันกับภาพพระผงท่ีใชสรางเปนแมแบบอางอิง จํานวนพิมพทรงละ 25 ภาพ และพระผงท่ีไมใชรูปภาพพระผงองคเดียวกันกับภาพท่ีนํามาสรางเปนแมแบบอางอิง จํานวนพิมพทรงละ 25 ภาพ รวมจํานวนท้ังส้ิน 200 ภาพ มาทดลองกับภาพในแมแบบของแตละพิมพทรงซ่ึงมีจํานวน 35 ภาพ ซ่ึงหลังจากการทดลองพบวา ระบบสามารถจําแนกพระผงที่เปนภาพเดียวกันกับภาพพระผงท่ีใชสรางเปนแมแบบอางอิงไดถูกตอง คิดเปนรอยละ 93.98 รวมท้ังมีความผิดพลาดในการจําแนกเพียงเล็กนอย คิดเปนรอยละ 6.02 โดยใชเวลาในการจําแนกเพียง 10 วินาที และสามารถจําแนกพระผงท่ีไมใชรูปภาพพระผงองคเดียวกันกับภาพท่ีนํามาสรางเปนแมแบบอางอิงไดถูกตองท้ังหมด คิดเปนรอยละ 100 โดยไมมีความผิดพลาดในการจําแนกเลย และใชเวลาในการจําแนกเพียง 10 วินาที และพบวาระบบสามารถคนพบภาพในแมแบบได คิดเปนรอยละ 79.00 และคนภาพในแมแบบไมพบเพียงรอยละ 21.00 ดังนั้นจึงสรุปไดวาระบบสามารถจําแนกพระผงท่ีเปนภาพเดียวกันกับภาพพระผงท่ีใชสรางเปนแมแบบอางอิงและภาพพระผงที่ถายมาจากพระผงท่ีเปนรุนเดียวกันแตไมใชองคเดียวกันกับภาพท่ีนํามาสรางเปนแมแบบอางอิงไดคอนขางมีประสิทธิภาพโดยใชเวลาในการจําแนกเพียง 10 วินาที เทานั้น

70

สวนท่ี 4 สรางระบบการจําแนกพระผง โดยการผนวกกฎการจําแนกของระบบคือขนาดภาพสีนําเขาท่ีจะนํามาใชกับระบบสําหรับพิมพทรงส่ีเหล่ียมควรมีขนาด กวาง x ยาว เทากับ 60 x 80 พิกเซล พิมพทรงสามเหล่ียมควรมีขนาด 60 x 80 พิกเซล พิมพทรงสองเหล่ียมหัวมนควรมีขนาด 60x80 พิกเซล พิมพทรงไมมีมุมท่ีไมใชทรงกลมควรมีขนาด 60 x 80 และพิมพทรงกลมควรมีขนาด 70 x 70 พิกเซล ซ่ึงหลังจากผูใชนําเขาภาพพระผงท่ีตองการทดสอบ ผูใชตองทําการเลือกประเภทพิมพทรงของพระผงกอน จากนั้นทําการหาลักษณะพิเศษของภาพพระผงนําเขาท่ีระบบตั้งคาใชเมตริกซขนาด 11 x 3 สําหรับการคํานวณหาลักษณะพิเศษเฉพาะของภาพ จากน้ันระบบจะทําการจําแนกพระผงดวยการเปรียบเทียบลักษณะพิเศษท่ีคา Correlation Coefficient เทากับ 0.8 กับลักษณะพิเศษในแมแบบของระบบ เพื่อหาคาลักษณะพิเศษท่ีเหมือนกัน แลวนําคาท่ีไดไปเปรียบเทียบกับคาท่ีเก็บไวในฐานขอมูล ถาตรงกันหรือใกลเคียงก็จะแสดงผลลัพธเปนช่ือพระผงและพิมพทรงและสถานที่จัดสรางบนจอภาพ ถาไมพบก็สามารถฝกระบบใหรูจําได ซ่ึงระบบสามารถจําแนกภาพพระผงท่ีเปน รุนเดียวกันแตไมใชองคเดียวกันกับภาพท่ีนํามาสรางเปนแมแบบไดคอนขางมีประสิทธิภาพโดยใชเวลาในการจําแนกเพียงภาพละ 10 วินาที การอภิปรายผล

1. การทํางานของระบบการจําแนกพระผงดวยการเปรียบเทียบลักษณะพิเศษเฉพาะ ใชหลักการทํางานท่ีไมซับซอน ทําใหระบบทํางานโดยใชเวลาไมมากนัก โดยแตละภาพใชเวลาเพียง 10 วินาที เทานั้น

2. จากแนวคิดและวิธีการสรางตัวแบบในงานวิจัยนี้สามารถนําไปประยุกตใชและปรับปรุงเพื่อใชในงานท่ีมีลักษณะคลายคลึงกันได

3. ระบบจะทําการจําแนกไดอยางมีประสิทธิภาพมากข้ึน หากสามารถจัดเก็บภาพลักษณะพิเศษเฉพาะของพระผงในแมแบบของแตละพิมพทรงไดเปนจํานวนมาก โดยอาจทําการจัดเก็บต้ังแตพระผงในยุคโบราณจนถึงในยุคปจจุบัน ซ่ึงอาจตองใชเวลานานในการจัดทํา แตหากระบบมีการจาํแนกภาพพระผงท่ีไมใชพระผงชนิดเดียวกันกับท่ีนําลักษณะพิเศษมาจัดเก็บไวเปนแมแบบของระบบ ระบบนี้จะสามารถบันทึกภาพลักษณะพิเศษเฉพาะของพระผงเก็บไวสรางเปนแมแบบเพิ่มเติมไดและสามารถฝกใหระบบรูจําเพื่อการจําแนกในคร้ังตอไปได

4. การจัดทําภาพแมแบบของระบบ ใหเปนคลังขอมูลขนาดใหญ จะทําใหระบบมีประสิทธิภาพในการจําแนกมากข้ึน แตจะสงผลใหการประมวลผลของระบบทํางานไดชาลง ดังนั้นในการจัดทําภาพแมแบบของระบบ ตองคํานึงถึงภาพท่ีนํามาจัดทําดวย คือควรเลือกใชภาพท่ีสมบูรณทางพิมพทรงและมีรายละเอียดทางพุทธศิลปท่ีชัดเจนมากท่ีสุด

71

ขอเสนอแนะ 1. ภาพพระผงท่ีนําเขามาทดสอบ ตองมีอัตราสวนของขนาดภาพสอดคลองกับภาพท่ี

นํามาสรางเปนแมแบบ เพราะจะมีผลกับความถูกตองในการจําแนกของระบบ ดังนั้นจะตองมีการปรับภาพใหมีอัตราสวนของขนาดภาพสอดคลองกับภาพท่ีนํามาสรางเปนแมแบบกอนนําเขาสูระบบการจําแนก

2. การเลือกภาพพระผงมาจัดทําแมแบบ มีผลตอประสิทธิภาพในการจําแนกของระบบ เพราะพระพิมพทรงเดียวกันอาจมีความคมชัดตางกันได ตามแรงกดของผูท่ีทําหนาท่ีกดพิมพในข้ันตอนของการจัดสราง ถากดพิมพโดยใชน้ําหนักการกดมากก็จะไดมิติความคมชัดของพิมพทรงและลวดลายพุทธศิลปชัดเจน แตถากดโดยใชน้ําหนักการกดเบาก็จะไดลวดลายทางพุทธศิลปไมคมชัด ดังนั้น การเลือกพระผงท่ีจะใชในการสรางแมแบบ ควรจะเลือกพระผงที่มีพิมพทรงและลวดลายพุทธศิลปดานองคพระท่ีคมชัดและสมบูรณมากท่ีสุด

3. สภาพแวดลอมในการถายภาพ เชน ปริมาณแสง ความมืด ความสวาง สีพื้นหลัง เปนตน มีผลตอความถูกตองในการจําแนกของระบบ ดังนั้นในการถายภาพพระผงประเภทเดียวกัน ควรจัดใหสภาพแวดลอมใกลเคียงกันมากท่ีสุด

4. อาจนําเทคนิควิธีการอื่น เชน เทคนิคการปรับอัตราสวนภาพแบบอัตโนมัติมาประกอบกับระบบการจําแนก เพื่อใหระบบมีความสมบูรณและมีความถูกตองในการจําแนก เพิ่มมากข้ึน

5. การจําแนกพระผงที่มีภาพเพียงบางสวนสําหรับการคนคืนภาพพระเคร่ืองท่ีสมบูรณ ผูใชควรใชวิจารณญาณเกี่ยวกับการคาดคะเนพิมพทรงและพุทธศิลปของภาพพระผงที่ไมสมบูรณนั้น เพื่อความรวดเร็วในการทํางานของระบบ

ขอเสนอแนะในการวิจัยคร้ังตอไป 1. จากผลการวิจัยท่ีพบวาระบบสามารถจําแนกพระผง ท่ีมีภาพพระผงเพียงบางสวนได ทําใหสามารถพัฒนาไปสูระบบการคนคืนภาพพระเครื่องท่ีสมบูรณตอไปได ซ่ึงจะทําใหผูใชทราบช่ือและพิมพทรงของพระเคร่ืองน้ันได 2. ระบบสามารถพัฒนาไปสูการจําแนกพระเครื่องชนิดอ่ืนได โดยใชหลักการพื้นฐานเดียวกันกับงานวิจัยนี้ 3. ระบบนี้สามารถพัฒนาเปนระบบท่ีมีประสิทธิภาพของการจําแนกอยางสมบูรณ โดยควรจะทําการจําแนกพระเครื่องทุกชนิดและทุกยุคสมัยได

72

บรรณานุกรม ภาษาไทย จันทรจิรา สินทนะโยธิน. สารเนคเทค. กรุงเทพฯ : เนคเทค, 2545. . สารเนคเทค. กรุงเทพฯ : เนคเทค, 2546. ชาตฉกรรจ ไพบูลยสิริกุล. “การคนคืนภาพสีโดยสอบถามดวยบางสวนของภาพ.” วิทยานพินธ ปริญญามหาบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร บัณฑิตวิทยาลัย จฬุาลงกรณ มหาวิทยาลัย, 2544. ตรียัมปวาย [นามแฝง]. ปริอรรถาธิบายแหงพระเคร่ืองฯ เลมท่ี 2 พระนางพญา และพระเคร่ืองฯ สําคัญของพิษณุโลก. กรุงเทพฯ : แพรพิทยา, 2508. นวภัค เอ้ืออนนัต และ วุฒิชัย พรพัชรพงศ. “ การติดตามวัตถุในภาพตอเน่ืองโดยใชคอนเดนเซช่ัน อัลกอริทึมดวยวิธีการตรวจจับมุมของวัตถุ.” เอกสารในการประชุมวิชาการวิทยาการ คอมพิวเตอรและวิศวกรรมคอมพิวเตอรแหงภาคตะวันออกเฉียงเหนือคร้ังท่ี 1 เสนอท่ี มหาวิทยาลัยขอนแกน 31 มีนาคม 2548. (อัดสําเนา) มนัส โอภากลุ. พระฯ เมืองสุพรรณ. สุพรรณบุรี : สุพรรณการพิมพ, 2543. ศิริชัย ปริตโตทกพร และ สุธี ผูเจริญชนะชัย. สารเนคเทค. กรุงเทพฯ : เนคเทค, 2544. สนั่น ศรีสุข, คํารณ สุนัติ และ วีระศักดิ์ คุรุธัช. “การคนหาตําแหนงภาพใบหนาโดยใช AMHD

และโครงขายประสาทเทียม.” เอกสารในการประชุมวิชาการทางวิศวกรรมไฟฟาคร้ังท่ี 22 เสนอท่ีมหาวิทยาลัยเกษตรศาสตร 2 ธันวาคม 2542. (อัดสําเนา)

สุรศักดิ์ ตั้งสกุล และ ศาสตรา วงศธนวสุ. “ ข้ันตอนวิธีการลดความหนาอักขระตัวเขียนโดยใช กฏ. ” เอกสารในการประชุมวิชาการวิทยาการคอมพิวเตอรและวิศวกรรมคอมพิวเตอร แหงภาคตะวันออกเฉียงเหนอืคร้ังท่ี 1 เสนอท่ีมหาวิทยาลัยขอนแกน 31 มีนาคม 2548. (อัดสําเนา) อรรถกร พูนศิลป และ วศิน ภิรมย. “เทคนิคการเพ่ิมความเร็วและความคงทนในการตรวจจับ ภาพใบหนาสีแบบทันกาลโดยใชเฮาสดอรฟดสิแทนซ.” เอกสารการประชุมวิชาการ วิทยาการคอมพิวเตอรและวศิวกรรมคอมพิวเตอรแหงภาคตะวันออกเฉียงเหนือคร้ังท่ี 1 เสนอท่ีมหาวทิยาลัยขอนแกน 31 มีนาคม 2548. (อัดสําเนา)

73

ภาษาตางประเทศ Alexander Schrijver. “ Matching, Edge-Colouring, Dimers ” Ph.D. Dissertation, University of Amsterdam, 2003. Belongie, Serge, Jitendra Malix and Jan Puzicha. “ Matching Shapes. ” Ph.D. Dissertation, University of California, 2001. Bill Green. Canny Edge Detection Tutorial, [Online]. accessed 19 October 2005. Available from http://www.pages.drexel.edu/~weg22/can_tut.html Canny Operator Links [Online]. Accessed 19 January 2005. Available from

http://www.cim.mcgill.ca/~image529/TA529/Image529_99/projects97/35_Greenish/canny_page.html

Comaniciu Dorin, and Peter Meer. “ Color Image Segmentation. ” IEEE (June : 1997) : 750-755. Doron Bentsvi. Image Processing and Computer Vision. Israel : Haifa University, 2004. European Central Bank. Truecolor Images, [Online]. accessed 14 September 2005. Available from http://www.mathworks.com/access/helpdesk/help/toolbox/images/ Gonzalez, Rafael C., and Richard E. Woods. DIGITAL IMAGE PROCESSING. USA : Addison - Wesley, 1992. J. Daugman. “ High confidence Recognition of Persons by Rapid Video Analysis of Iris Texture.” European Convention on Security and Detection no. 408 (May : 1995) : 244-251. J. R. Parker. Algorithm for Image Processing and Computer Vision. USA : Wiley Computer Publishing, 1997. Mubarak Shah. FUNDAMENTALS OF COMPUTER VISION. Orlando : University of Central

Florida, 1997. Olson, Clark F., and Danial P. Huttenlocher. “ Automatic Target Recognition by Matching Oriented Edge Pixels. ” IEEE 6, 1 (January : 1997) : 1057-7149. Swart, Bob et al. Borland C++Builder 6 Developer’s Guide. USA : Sams Publishing, 2002. Yang, Ming-Hsuan, David J. Kriegman and Narendra Ahuja. “ Detecting Faces in Images : A Survey. ” IEEE 24, 1 (2002) : 34-58.

ภาคผนวก

75

ภาคผนวก ก ภาพพระผงทรงส่ีเหล่ียมท่ีนํามาสรางเปนแมแบบ

76

ภาพท่ี 24 แสดงภาพสีของพระผงทรงส่ีเหล่ียมท่ีนํามาเปนแมแบบ

77

ภาพท่ี 25 แสดงภาพระดับเทาของพระผงทรงส่ีเหล่ียมท่ีนํามาเปนแมแบบ

78

ภาพท่ี 26 แสดงภาพ Edge Detection ของพระผงทรงส่ีเหล่ียมท่ีนํามาเปนแมแบบ

79

ภาพท่ี 27 แสดงลักษณะพิเศษของภาพพระผงทรงสี่เหล่ียมท่ีนํามาเปนแมแบบ

80

ภาคผนวก ข ภาพพระผงทรงสามเหล่ียมท่ีนํามาสรางเปนแมแบบ

81

ภาพท่ี 28 แสดงภาพสีของพระผงทรงสามเหล่ียมท่ีนํามาเปนแมแบบ

82

ภาพท่ี 29 แสดงภาพระดับเทาของพระผงทรงสามเหล่ียมท่ีนํามาเปนแมแบบ

83

ภาพท่ี 30 แสดงภาพ Edge Detection ของพระผงทรงสามเหล่ียมท่ีนํามาเปนแมแบบ

84

ภาพท่ี 31 แสดงลักษณะพิเศษของภาพพระผงทรงสามเหลี่ยมท่ีนํามาเปนแมแบบ

85

ภาคผนวก ค ภาพพระผงทรงสองเหลี่ยมหัวมนท่ีนํามาสรางเปนแมแบบ

86

ภาพท่ี 32 แสดงภาพสีของพระผงทรงสองเหล่ียมหัวมนท่ีนํามาเปนแมแบบ

87

ภาพท่ี 33 แสดงภาพระดับเทาของพระผงทรงสองเหล่ียมหัวมนท่ีนํามาเปนแมแบบ

88

ภาพท่ี 34 แสดงภาพ Edge Detection ของพระผงทรงสองเหล่ียมหัวมนท่ีนํามาเปนแมแบบ

89

ภาพท่ี 35 แสดงลักษณะพิเศษของภาพพระผงทรงสองเหล่ียมหัวมนท่ีนํามาเปนแมแบบ

90

ภาคผนวก ง ภาพพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาสรางเปนแมแบบ

91

ภาพท่ี 36 แสดงภาพสีของพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ

92

ภาพท่ี 37 แสดงภาพระดับเทาของพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ

93

ภาพท่ี 38 แสดงภาพ Edge Detection ของพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ

94

ภาพท่ี 39 แสดงลักษณะพิเศษของภาพพระผงทรงไมมีเหล่ียมหรือทรงกลมท่ีนํามาเปนแมแบบ

95

ภาคผนวก จ ภาพสีพระผงพิมพทรงส่ีเหล่ียมท่ีนํามาทดสอบ

96

ภาพท่ี 40 แสดงภาพสีพระผงพิมพทรงส่ีเหล่ียมท่ีนํามาใชในการทดสอบ

97

ภาคผนวก ฉ ภาพสีพระผงพิมพทรงสามเหล่ียมท่ีนํามาทดสอบ

98

ภาพท่ี 41 แสดงภาพสีพระผงพิมพทรงสามเหล่ียมท่ีนํามาใชในการทดสอบ

99

ภาคผนวก ช ภาพสีพระผงพิมพทรงสองเหล่ียมหัวมนท่ีนํามาทดสอบ

100

ภาพท่ี 42 แสดงภาพสีพระผงพิมพทรงสองเหล่ียมหวัมนท่ีนํามาใชในการทดสอบ

101

ภาคผนวก ซ ภาพสีพระผงพิมพทรงไมมีเหล่ียมหรือทรงกลมนํามาทดสอบ

102

ภาพท่ี 43 แสดงภาพสีพระผงพิมพทรงไมมีเหล่ียมหรือทรงกลมนํามาใชในการทดสอบ

103

ภาคผนวก ฌ ภาพพระผงท่ีไมไดนํามาสรางเปนแมแบบ

104

ภาพท่ี 44 แสดงภาพพระผงทีเ่ปนรุนเดยีวกนักับภาพท่ีใช Train ในระบบ (1)

105

ภาพท่ี 45 แสดงภาพพระผงทีเ่ปนรุนเดยีวกนักับภาพท่ีใช Train ในระบบ (2)

106

ภาคผนวก ญ คูมือการใชโปรแกรมการจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ

107

คูมือการใชโปรแกรมจําแนกพระผงดวยการเปรียบเทียบลักษณะพิเศษ โปรแกรมจําแนกพระผงดวยการเปรียบเทียบลักษณะพิเศษ มีรายละเอียดและข้ันตอน

วิธีการใชงาน ดังนี้

1. สวนประกอบของโปรแกรมจําแนกพระผงดวยการเปรียบเทียบลักษณะพิเศษ โปรแกรมจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ มีสวนประกอบท่ีสําคัญแบง

ออกเปน 14 สวน แสดงดังภาพท่ี 46

ภาพท่ี 46 แสดงสวนประกอบท่ีสําคัญในหนาตางของโปรแกรมจําแนกพระผง

13. แถบแสดงความคืบหนาของการประมวลผล 14. แถบแสดง วัน/เวลา และคาลักษณะพิเศษของรูปภาพท่ีตองการจําแนกเปรยีบเทียบกับคาในแมแบบ

แสดงผลการเปรียบเทียบ

แสดงรายละเอียดประวัติของพระผง

12. แสดงแมแบบเปรียบเทียบลักษณะพิเศษเฉพาะของพระผงของระบบ

11. แสดงภาพพระผงที่

ตองการจําแนก

แสดงภาพพระผง

108

1. ปุมคําส่ังสําหรับจัดการกับภาพพระผง ประกอบดวย 1.1 ปุม Open: ปุมเปดรูปภาพท่ีตองการนํามาเปรียบเทียบ 1.2 ปุม Feature: ปุมหาลักษณะพิเศษเฉพาะของพระผงกอนนําไปเปรียบเทียบ 1.3 ปุม Save: บันทึกลักษณะพิเศษเฉพาะเพ่ือนําไปจัดสรางเปนแมแบบเพิม่เติม

2. ปุมคําส่ังสําหรับเลือกแมแบบตามลักษณะพิมพทรงของพระผงที่ตองการนํามาเปรียบเทียบ ประกอบดวย 2.1 เลือกปุม 4 Angle ถาพระผงท่ีตองการจําแนกมีลักษณะพิมพทรง 4 เหล่ียม 2.2 เลือกปุม 3 Angle ถาพระผงท่ีตองการจําแนกมีลักษณะพิมพทรง 3 เหล่ียม 2.3 เลือกปุม 2 Angle ถาพระผงท่ีตองการจําแนกมีลักษณะพิมพทรง 2 เหล่ียม 2.4 เลือกปุม 0 Angle ถาพระผงท่ีตองการจําแนกมีลักษณะพิมพทรงไมมีเหล่ียม

3. ฟลด (Field) กาํหนดคา Correlation Coefficient โดยมีคาระหวาง 0.1 – 0.99 4. ปุม Compare: ปุมคําส่ังเปรียบเทียบลักษณะพิเศษของพระผงที่ตองการจําแนกกับ

ลักษณะพิเศษของพระผงในแมแบบ แลวนําคาความเหมือนท่ีไดไปคนหาขอมูลในฐานขอมูล 5. ฟลดแสดงคา Correlation Coefficient ท่ีไดจากการเปรียบเทียบระหวางลักษณะพิเศษ

เฉพาะของภาพท่ีตองการจําแนกกับลักษณะพิเศษเฉพาะของภาพในแมแบบ 6. สวนของการแสดงเวลาในการประมวลผลของโปรแกรมในแตละกระบวนการ 7. สวนของการแสดงผลลัพธของการเปรียบเทียบประกอบดวย 7.1 แสดงผลการเปรียบเทียบมีสองสถานะ คือ Matching และ No matching 7.2 แสดงภาพพระผงในกรณีท่ีผลลัพธขอ 7.1 มีสถานะเปน Matching และคา

ความเหมือนท่ีไดมีคาตรงกันกับคาท่ีอยูในฐานขอมูล 7.3 แสดงรายละเอียดเกี่ยวกับประวัติของพระผง ซ่ึงประกอบดวย ช่ือพิมพทรง

ช่ือพระ และสถานท่ีจัดสราง 8. คาลักษณะพิเศษเฉพาะท่ีจัดเก็บไวเปนองคความรูในฐานขอมูลสามารถปรับปรุง

แกไขและบันทึกเพิ่มเติมได 9. ปุมปรับแกไขฐานขอมูลประกอบดวย 9.1 ปุม เล่ือนดูขอมูลท่ีมีลักษณะพิเศษใกลเคียงลําดับกอนหนาในฐานขอมูล 9.2 ปุม เล่ือนดูขอมูลท่ีมีลักษณะพิเศษใกลเคียงลําดับตอไปในฐานขอมูล 9.3 ปุม Recognize ใชฝกใหระบบรูจําลักษณะพิเศษของพระผงประกอบดวย คา

ความเหมือน และตําแหนงของลักษณะพิเศษท่ีจัดเก็บไวในภาพแมแบบ 10. ปุม Exit เปนปุมท่ีใชออกจากโปรแกรมหรือปุมจบการทํางาน

109

11. พื้นท่ีแสดงภาพสีพระผงที่ตองการจําแนกและแสดงลักษณะพิเศษเฉพาะของพระผงท่ีผานกระบวนการหาลักษณะพิเศษแลว

12. พื้นท่ีแสดงลักษณะพิเศษเฉพาะของพระผงในแมแบบของระบบที่จะนํามาเปรียบเทียบเพ่ือหาคาความเหมือนระหวางภาพท่ีตองการจําแนกกับภาพลักษณะพิเศษเฉพาะในแมแบบ เพื่อนําคาความเหมือนท่ีไดไปสืบคนขอมูลในฐานขอมูลของระบบ

13. แถบแสดงความคืบหนาของการประมวลผลในแตละกระบวนการ (Progress bar) 14. แถบสถานะแสดง วัน/เวลาปจจุบัน และแสดงคาลักษณะพิเศษเฉพาะระหวางภาพ

พระผงท่ีตองการจําแนก และลักษณะพิเศษเฉพาะของภาพท่ีอยูในแมแบบ

2. การใชงานโปรแกรมจําแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ การใชงานโปรแกรมในการจําแนกพระผงเพื่อหาขอมูลรายละเอียดเกี่ยวกับพระผงท่ี

ตองการศึกษา มีข้ันตอนการใชงาน 4 ข้ันตอนดังนี้ 1. เลือกปุม Open แลวเลือกรูปภาพที่ตองการนํามาจําแนกฯ แสดงดังรูปท่ี 47

ภาพท่ี 47 แสดงการเลือกรูปภาพพระผงทีต่องการนํามาจําแนก

2. เลือกปุม Feature เพื่อหาลักษณะพิเศษเฉพาะของภาพพระผงท่ีตองการนํามาจําแนก 3. เลือกแมแบบตามลักษณะพิมพทรงของพระผงท่ีตองการนํามาจําแนก ประกอบดวย 3.1 เลือกปุม 4 Angle ถาพระผงที่ตองการจําแนกมีลักษณะทางพิมพทรงเปนแบบ

4 เหล่ียม หรือพระท่ีมีรูปทรงเปนทรงส่ีเหล่ียม เชน พระสมเด็จวัดระฆังฯ เปนตน

110

3.2 เลือกปุม 3 Angle ถาพระผงที่ตองการจําแนกมีลักษณะทางพิมพทรงเปนแบบ 3 เหล่ียมหรือพระท่ีมีรูปทรงเปนทรง 3 เหล่ียม เชน พระนางพญา พระผงสุพรรณ เปนตน

3.3 เลือกปุม 2 Angle ถาพระผงที่ตองการจําแนกมีลักษณะทางพิมพทรงเปนแบบ 2 เหล่ียมหัวมน เชน พระซุมกอ พระคงลําพูน เปนตน

3.4 เลือกปุม 0 Angle ถาพระผงที่ตองการจําแนกมีลักษณะทางพิมพทรงเปนแบบ ไมมีเหล่ียมหรือพระท่ีมีรูปทรงกลม เชน พระจตุคามรามเทพ พระปดตา หลวงปูโตะ เปนตน

4. เลือกปุม Compare เพื่อใหระบบทําการจําแนก ซ่ึงรายละเอียดข้ันตอนการใชงานของโปรแกรมแสดงดังภาพท่ี 48

ภาพท่ี 48 แสดงลําดับข้ันตอนการใชงานของโปรแกรม

111

3. การฝกใหระบบรูจํา ถาผลลัพธอยูในสถานะ Matching แตไมมีรายละเอียดเกี่ยวกับพระผงปรากฏ ระบบจะ

แสดงขอความแนะนําให กดปุม Recognize แสดงดังรูปท่ี 49 หมายเลข เพื่อแสดงใหรูวาระบบ ยังไมไดรับการฝกใหรูจําเกี่ยวกับพระผงองคท่ีนํามาจําแนก ผูใชสามารถฝกใหระบบรูจําไดดวยตนเองโดยมีข้ันตอนดังนี้

1. กดปุม Recognize (เม่ือกดปุม Recognize แลวจะไมปรากฏขอความแนะนํา) 2. พิมพรายละเอียดเกี่ยวกับประวัติของพระผงลงในฟลดขอมูลรายละเอียดของพระผง 3. ใสภาพสีพระผงในชองแสดงภาพพระผง โดยมีข้ันตอนดังนี้

ภาพท่ี 49 แสดงลําดับข้ันตอนการฝกใหระบบรูจําพระผงท่ีไมมีในฐานขอมูล

112

3.1 เปดรูปภาพสีพระผงองคท่ีนํามาจําแนกดวยโปรแกรมปรับแตงรูปภาพ เชน Adobe PhotoShop หรือ Microsoft Paint 3.2 เลือกคําส่ัง Select All 3.3 เลือกคําส่ัง Copy 3.4 เลือกฟลดลําดบัขอมูลของรูปภาพ แลวกดปุม Ctrl + v

4. เลือกปุม เพื่อปรับปรุงฐานขอมูล 4. การบันทึกภาพลักษณะพเิศษเฉพาะเพื่อเก็บไวสรางเปนแมแบบ

การบันทึกภาพที่ผานกระบวนการหาลักษณะพิเศษแลว เพื่อเก็บไวสรางเปนแมแบบมีข้ันตอนดังนี้ (ข้ันตอนท่ี 1 – 3 ดูภาพท่ี 48 ประกอบ)

1. เลือกปุม Open เพื่อเปดรูปภาพท่ีตองการหาลักษณะพิเศษเฉพาะ 2. เลือกปุม Feature เพื่อส่ังใหโปรแกรมหาลักษณะพิเศษเฉพาะของพระผง 3. เลือกปุม Save เพื่อบันทึกภาพลักษณะพิเศษเฉพาะของพระผง

ภาพท่ี 50 แสดงวิธีการจัดเกบ็ภาพลักษณะพิเศษเฉพาะเพ่ือเก็บไวสรางเปนแมแบบ

4. จะปรากฏไดอะล็อกบอกซ (Dialog box) Save As เพื่อใหระบุตําแหนงและช่ือภาพ 5. เลือกปุม Save เพื่อบันทึกรูปภาพตามชื่อและตําแหนงท่ีตองการ แสดงดังภาพท่ี 50

113

5. การสรางแมแบบจากภาพลักษณะพิเศษเฉพาะ แมแบบท่ีเก็บภาพลักษณะพิเศษเฉพาะสําหรับการนํามาเปรียบเทียบกับลักษณะพิเศษ

เฉพาะของภาพพระผงท่ีตองการจําแนก เพื่อหาคาความเหมือน ซ่ึงเปนคาท่ีใชนําไปคนหาขอมูลในฐานขอมูลของระบบ มีข้ันตอนการจัดสรางดังนี้

1. เปดภาพลักษณะพิเศษ (ท่ีบันทึกเก็บไวตามหัวขอท่ี 4) ท่ีตองการนํามาสรางเปนแมแบบดวยโปรแกรม Adobe PhotoShop

2. นําภาพลักษณะพิเศษมาตอเรียงกันเปนอารเรยภาพ (Image array) แสดงดังภาพท่ี 51

ภาพท่ี 51 แสดงวิธีการสรางแมแบบดวยโปรแกรม Adobe PhotoShop

3. เสร็จแลวบันทึกเก็บไวเปนภาพแบบบิตแมปชนิด BMP 24 บิต

114

ประวัติผูวิจัย ชื่อ-สกุล นายชาตรี กอบัวแกว ท่ีอยู 15 หมู 8 ตําบลกระเสียว อําเภอสามชุก จังหวัดสุพรรณบุรี 72130 ท่ีทํางาน สถาบันพัฒนาฝมือแรงงานภาค 2 จังหวดัสุพรรณบุรี 13/1 หมู 4 ตาํบลไผขวาง อําเภอเมือง จังหวัดสุพรรณบุรี 72000 ประวัติการศึกษา พ.ศ. 2540 สําเร็จการศึกษาปริญญาบัณฑิต สาขาวิชาวิศวกรรมอิเล็กทรอนิกสและ โทรคมนาคม คณะครุศาสตรอุตสาหกรรม เทคโนโลยีราชมงคล วิทยาเขตเทเวศร พ.ศ. 2545 ศึกษาตอระดบัปริญญามหาบัณฑิต สาขาวทิยาการคอมพิวเตอร คณะวิทยาศาสตร มหาวิทยาลัยศิลปากร ประวัติการทํางาน พ.ศ. 2540-2541 นักวิชาการฝกอาชีพ 3 ศูนยพัฒนาฝมือแรงงานจังหวัดเชียงราย อําเภอเมือง จังหวัดเชียงราย พ.ศ. 2541-2547 นักวิชาการฝกอาชีพ 4 ศูนยพัฒนาฝมือแรงงานจังหวัดสมุทรสงคราม อําเภอเมือง จังหวัดสมุทรสงคราม พ.ศ. 2548-ปจจุบัน นักวิชาการฝกอาชีพ 6 สถาบันพัฒนาฝมือแรงงานภาค 2 จังหวัดสุพรรณบุรี อําเภอเมือง จังหวดัสุพรรณบุรี