Диссертация (1152160), страница 39
Текст из файла (страница 39)
Так, математическая обработка изображений включена в такие мощныесистемы компьютерной математики, как MATLAB [7] и Mathematica [29], которые используются в компьютерных программах обработки изображений, получаемых после сканирования или после видео- или фотосъемки.СистемаMATLAB используется чаще всего для математической обработки изображений не только из-за появляющихся новых инструментов для этой обработки, нои потому, что она может взаимодействовать в режиме реального времени с ANSI C, Visual C++, Visual BASIC и Java [7].243Анализ работ в области математических методов обработки и анализаизображений показал, что наиболее перспективным является метод распознавания объектов при сравнении с эталоном [67], который и был использован длярешения задачи автоматизации контроля цвета пищевых масс (на примере муки) в потоке.
При использовании цифровой видеокамеры в качестве интеллектуального датчика в производственных условиях мукомольной промышленности существует возможность применения малогабаритных видеокамер с оптическими насадками [ 29 ], увеличивающими изображение анализируемой области ТП. Поэтому можно считать, что изображение анализируемой области будет во много раз больше размера пикселя изображения, а геометрическимиошибками можно пренебречь.В проведенных нами исследованиях рассматривались основы формирования и преобразования изображения на ПЗС-матрице в цифровой код, передаваемый на видеоплату компьютера [19, 21, 22]. Исходя из полученных данных,можно считать, что изображение, передаваемое с ПЗС-матрицы, поступает вкомпьютер в виде матрицы уровней освещѐнности поверхности наблюдаемогообъекта.
Каждый элемент этой матрицы называется элементом изображенияили пикселем. Далее будут употребляться термины изображение и пиксель дляуказания на цифровое изображение и его элементы.В математических исследованиях и прикладных математических компьютерных программах используют традиционную матричную запись [7, 29]: a0 , 0 a 1, 0 .A. .a M 1, 0a0,1a1, 0...a M 1,1............a0, N 1 a1, N 1 . ai , j ...a M 1, N 1 (4.27)Для выполнения процесса оцифровки изображения необходимо принятьрешения относительно значений М и N, а также числа уровней (градаций) яркости L, разрешенных для каждого пикселя. Для М и N не существует специаль-244ных требований помимо того, что они должны быть положительными целочисленными значениями.
Как правило, M = N, но при вырезании локального элемента изображения эти величины могут отличаться. Значение L, по соображениям удобства построения системы для обработки, хранения и дискретизацииизображения, обычно выбирают равным целочисленной степени двойки:L = 2k. Общее количество битов b, необходимое для хранения цифрового изображения, определяется по формуле b = M×N×k.При использовании цветной видеокамеры изображение можно представить в виде объѐмной матрицы ai,j,k , где индекс, соответствующий цветовомуфильтру, может иметь значения k=1,2,3. Видеоизображение, представляющеенекоторое количество n последовательно снятых с интервалом времени T изображений (кадров), с математической точки зрения можно представить в видемногомерной матрицы ai,j,k,n, если оно цветное.Один из возможных методов оценки динамики изображения объекта заключается в выделении элемента кадра υi,j (пикселя или их группы) и рассмотрение изменения его цвета по всей последовательности кадров.
Тогда этот математический объект можно рассматривать как матрицу решѐтчатых функцийυi,j[n], отражающих динамику изменения отражения света от элементов поверхности снимаемого объекта. Именно на основе анализа этой матрицы можносудить о динамике видеообъекта, за которым ведѐтся наблюдение.Для анализа динамики поведения наблюдаемого объекта на основе снятого цифрового видеофильма одним из возможных способов может быть анализ решѐтчатых функций υi,j[n] с помощью составления системы разностныхуравнений, учитывающей как сами решѐтчатые функции всех пикселей, так иразности этих функций υi,j[n] - υi,j[n-1] от кадра к кадру. Для пикселей, отражающих неподвижный фон, эти разности будут равны нулю.При проектировании системы автоматического регулирования на основе использования цифровой видеокамеры в качестве интеллектуального датчика возможны два случая: 1) постоянная времени переходного процесса регули-245руемого объекта во много раз больше периода T решѐтчатой функции и 2) этапостоянная времени сравнима или меньше периода T (интервала между приходящими с видеокамеры кадрами изображений).
В первом случае решѐтчатыефункции можно представлять в виде непрерывных функций от времени и проводить анализ и синтез системы регулирования без учѐта влияния задержкиинформации. Во втором случае необходимо учитывать импульсные свойствапоступающей от пикселей информации. В этом случае можно воспользоватьсядискретными преобразованиями, которые применимы к решѐтчатым функциям.Тогда к видеофильму можно будет применитьдискретное преобразованиеЛапласа или - преобразование, определяемое по формуле [ 67 ]:*i , j ( q ) i , j [ n] exp( qn) ,(4.28)n0где комплексная переменная q = σ + j·ω.Наряду с - преобразованием к матрице видеофильма применимо используемое в теории автоматического регулирования так называемое - преобразование, в котором вводится переменная z = exp(q).
В этом случае вместоexp(-qn) используютz-n. Для частотного анализа динамики поведения ви-деообъекта можно использовать частный случай - преобразования, котороеназывается дискретным преобразованием Фурье [ 7 ]. В этом случае в составекомплексной переменной q переменная σ, отражающая процессы затухания,принимается равной нулю, и остаѐтся только переменная ω, учитывающая колебательные процессы.Изучение динамики видеообъекта возможно только после съѐмки видеофильма.
При использовании цифровой видеокамеры в качестве интеллектуального датчика визуальных параметров технологического процесса, послеанализа динамики этих процессов, выбирают зоны, в которых происходятнаиболее сильные визуальные изменения после изменения режима технологического процесса.246Цель визуального управления с помощью цифровой видеокамеры обеспечение постоянства визуального изображения объекта, отражающего сорти качество ТП производства муки.При этом в процессе размола при производстве муки необходимо найтитакие визуальные зоны, в которых наиболее сильно отображается изменениецвета муки в ходе технологического процесса.
Если основная цель системы автоматического регулирования технологического процесса – обеспечение постоянства режимов протекания ТП, то основная цель системы регулирования, использующей интеллектуальный видеодатчик, - обеспечение визуального постоянства отображаемой зоны слежения. При этом, используя метод вычитанияизображений, возможны два режима слежения: 1) сравнение текущего изображения с визуальным эталоном и 2) сравнение изображения текущего кадра сизображением предыдущего кадра с использованием базы данных цветныхизображений разных сортов муки.В любом из этих случаев для сравнения необходимо производить вычитание изображений и по разностному изображению определять степень визуального изменения в контролируемой зоне изображения.Как было показано выше, в одном видеокадре содержится большое количество информации, а для управления исполнительным механизмом при автоматическом регулировании необходимо выбрать одно из трѐх действий: увеличить воздействие или оставить без изменения или уменьшить воздействие,т.е.
u(t) = {(+U) V 0 V (-U)}. Следовательно, из полученной в момент времени tматрицы изображения кадра Mijn(t) с помощью функционалов необходимо получить управляющий сигнал,(4.29)где Ф – векторный функционал, обеспечивающий одностороннее отображениемножества (матрицы) Ма в другое множество (матрицу) Мв действительных чисел.
Для решения задачи сведения трехмерной матрицы изображения к числен-247ному значению определяемого параметра необходимо найти последовательность Ф1…Фn отображений.Пусть имеется эталонное изображение наблюдаемого объекта при нормально протекающем ТП, полученное с помощью используемого интеллектуального видеодатчика (ЦВК) и содержащее некоторую совокупность эталонныхобъектов и локальную зону, за которой ведѐтся наблюдение. Без потери общности можно считать, что изображение бинарное, то есть значения элементовматрицы изображения, соответствующие объектам, равны единице, а соответствующие фону – равны нулю.
Цветное изображение всегда можно привести кполутоновому изображению, а полутоновое изображение всегда может бытьприведено к бинарному в результате пороговой обработки матрицы изображения [7, 29, 67]. Именно эти преобразования будут первыми функционалами,позволяющими снизить n = 3 до n = 1 и 256 уровней серого до 0 и 1 (черного ибелого). Положение локальной зоны заранее известно, поэтому математическими методами можно ввести следующий функционал, с помощью которогоиз эталонной матрицы всего изображения выделить подматрицу Ieij, в которойрасположено изображение локальной зоны, используемое для математическогоанализа.Изображение кадра, поступающее с видеодатчика в процессе наблюдения, подвергается действию этих же функционалов и также выделяется подматрица Ikij, содержащая анализируемую локальную зону.
После примененияфункционала, содержащего вычитание подматрицы эталонного изображения изподматрицы поступившего текущего изображения видеокадра, получаем разностное изображение локальной зоны в виде разностной матрицы Rij = Ikij - Ieij.Так как эталонное изображение и полученное изображение видеокадраснимались при одних и тех же условиях и одной видеокамерой, то, в случае отсутствия изменений на наблюдаемом объекте, в разностной матрице Rij всеэлементы будут нулевые. При визуальных изменениях в локальной зоне в разностной матрице помимо нулевых значений появляются значения, отличные от248нуля. Если в бинарном изображении пикселю, связанному с объектом, присваивается значение 1, а пикселю, связанному с фоном, значение 0, то при вычислении разностного изображения возможны следующие варианты:- если элемент эталонной матрицы Ieij = 0, а элемент кадровой матрицыIkij = 0, то значение элемента разностной матрицы Rij = 0;- если элемент эталонной матрицы Ieij = 1, а элемент кадровой матрицыIkij = 1, то значение элемента разностной матрицы Rij = 0;- если элемент эталонной матрицы Ieij = 0, а элемент кадровой матрицыIkij = 1, то значение элемента разностной матрицы Rij = 1;- если элемент эталонной матрицы Ieij = 1, а элемент кадровой матрицыIkij = 0, то значение элемента разностной матрицы Rij = – 1.Для человеческого зрения значения 0 или 1 могут соответствовать белому или чѐрному цвету.