Este trabalho aplicou o método FUNED (do inglês "Fuzzy Number Edge Detector") que é baseado em números Fuzzy para detecção de contornos em um conjunto de imagens digitais de escoamento bifásico obtidas em experimentos no Circuito de Circulação Natural (CCN) do Instituto de Pesquisas Energéticas e Nucleares (IPEN). O algoritmo se baseia na utilização de cada pixel da imagem adquirida como um número Fuzzy para gerar uma imagem que permita mostrar a pertinência do pixel em relação às regiões de borda e fundo. A imagem-pertinência gerada é utilizada como base para a identificação das bordas, onde um pixel branco significa valores acima do limiar e um pixel preto indica valores abaixo desse valor, processo conhecido como binarização da imagem. Após encontrar-se o limiar ótimo, é aplicada a técnica de supressão de não-máximos para criar uma borda mais fina. As imagens finais do método são comparadas com imagens idealmente classificadas (construídas pixel a pixel por um especialista). A mesma comparação foi realizada utilizando-se o clássico detector de bordas de Canny, permitindo-se mostrar a eficiência do detector de bordas FUNED. Os resultados mostraram que o método FUNED detectou corretamente entre 19% e 25% dos pixels que foram idealmente classificados como borda pelo especialista e, de forma complementar detectou corretamente entre 96% e 98% dos pixels classificados como fundo. O detector de Canny foi aplicado nas mesmas imagens e sob a mesma análise, apresentou um percentual de acertos entre 25% e 39% na predição do que era borda e complementarmente, entre 98% e 99% do que era fundo.

This work applied the FUNED method (Fuzzy Number Edge Detector), which is based on Fuzzy numbers for contour detection in a set of digital images of twophase flow obtained in experiments in the Natural Circulation Circuit (CCN) of the Instituto de Pesquisas Energéticas e Nucleares (IPEN). The algorithm uses each pixel of acquired image as a fuzzy number to generate an image that shows the pixel pertinence in relation to the border and background regions. The generated membership-image is used as a basis for the identification of edges, where a white pixel denotes values above the threshold and black pixel denotes values below this value, a process known as image binarization. After finding the optmal threshold, the non-maximum suppression technique is applied, allowing creating a thinner edge detainment. The final image of the method is compared with an ideally classified image, constructed pixel by pixel by an expert. The same comparison was performed with the classic Canny edge detector, showing the FUNED edge detector efficiency. The results showed that the FUNED method conectly detected between 19% and 25% of the pixels that were classified as edge by the specialist and, in a complementary way, conectly detected between 96% and 98% of pixels that were classified as background. The Canny detector was Applied to the same images and, under the same analysis, presented correctly detected between 25% and 39% of what was edge and, additionally, between 98% and 99% of what was background.