Диссертация (1152212), страница 16
Текст из файла (страница 16)
Величина степени регулирующего воздействия определяется при помощи законов управления технологическим процессом, где обычно используется пропорциональный закон регулирования, при котором величина регулирующего воздействия пропорциональна величине отклонения векторов И'(1,6) и Ъ'(1,6). Поскольку вектора И71,Ь) ЪЦА) характеризуют перемещение и степень изменения размеров исследуемого объекта, то для расчета его скорости необходимо произвести вычитание данных вектором, а затем разделить на Т— промежуток времени, за которое произошло изменение.
При режиме съемки 30 кадров в секунду можно сделать вывод, о том, что временной диапазон принимаемых значений интервала между кадрами может составлять Те. 10; 0,03) при условии, что выдержка одного кадра составляет не больше 1/30 с. Стоит отметь преимущество высокоскоростных промышленных видеодатчиков перед бытовыми видеокамерами — поскольку большинство стандартных видеокамер, предназначенных для бытовых целей поддерживают скорость съемки от 25 до 60 кадров, высокоскоростные видеодатчики способны снимать при частоте от 60 до 2000 кадров в секунду. Преимущество данного функционала очевидно, поскольку при съемке в частоте от 15 кадров в секунду и выше человек не способен различить колебания частоты съемки.
Изображение, получаемое человеческим глазным яблоком хранится в зрительной коле головного мозга в среднем И5 секунды, таким образом прн кадровой частоте свыше 15 кадров в секунду предыдущий кадр не успевает исчезнуть, создавая иллюзию движения 193, 941. Высокоскоростные камеры не рассчитаны на реакцию человеческого зрения, поэтому анализ, обработка получаемых изображений, оценка колебаний интервала съемки и скорости движения объекта необходимо делегировать автоматизированной системе.
2.2 Методы определения контуров исследуемых объектов иа примере производства гранулированного комбикорма. Не стоит забывать о других особенностях объектов, таких, как форма и характер их расположения. Для учета этих параметров используются методы анализа текстур, позволяющие учесть большинство значимых характеристик изображений. Вышеупомянутые матрицы: +1 +2 +1 0 0 0 А — 1 — 2 — 1 — 1 0 +1 — 2 О +2 — 1 О +1 С2.6) Значение градиента затем вычисляется по формуле: 6з, 8 = агстап ( — ) бх — г.2 ). д2 (2.8) Алгоритм выделения границ объектов на основе оператора Собеля представляет собой итеративный анализ восьми близлежащих пикселов от пиксела с координатами 1, 1, Координаты восьми близлежащих пикселов следующие: 1+1, 1; ~+1, 1+1; ~, 1+1; ~-1, 1+1; 1-1, 1; 1-1, 1-1; 1, 1'-1; ~+1; 1-1.
Расположение этих пикселов относительно пиксела 1, 1 представлено на рис. 2.4. Оператор Собеля производит измерение градиента на двумерном пространстве — изображении. Чаще всего он используется для нахождения приблизительного абсолютного значения градиента в каждой точке входного полутонового изображения. В детекторе краев Собеля используется пара матриц (масок) размером 3 на 3 пикселя. Одна из них используется для подсчета градиента в горизонтальном направлении, другая — по вертикали. Матрица поочередно действует на квадратную область текущего окна на изображении А.
4 3 2 Рис. 2.4 расположение близлежащих пикселов на ~-ой и ~-ой итерациях. Для обхода всех пикселов изображения необходимо использовать двойной вложенный цикл, где внешний цикл итерируется по ~ от 0 до Н, где Н— количество пикселов по вертикали, внутренний цикл итерируется по ~ от 0 до И', где И' — количество пикселов по горизонтали. На каждой итерации происходит вызов функции уе~РАггауЯ), которой в качестве входных параметров передаются значения ~, ~.
Данная функция возвращает массив Р, состоящий из восьми элементов, которые содержат данные о цвете восьми пикселов, лежащих в окрестности пиксела с координатами ~, ~.(рис. 2.5) Рис. 25 Блок-схема функции определения цвета пикселов, лежащих в окрестности пиксела с координатами ~', ~. Значение градиента вычисляется при помощи функции ~еЖ(Р), которой в качестве входного параметра передается массив Р (рис.
2.6). Рассчитывается значение переменных ях и яу по следующим формулам: ,дх = Я + 2рз + Р4 )- (Рв + 2Р7 + Рб ) И = (Рв+2Р1+Ю-Рь+2рь+Р4) ~2.9) ~2.10) Рис. 2.6 Блок-схема функции определения градиента Полученное значение градиента используется для формирования массива РМ... который содержит новые значения цветности пикселов и используется в дальнейшем для построения нового изображения.
Полная блок-схема алгоритма выделения границ объекта представлена на рис. 2.7 Рис. 2.7 полная блок-схема алгоритма выделения границ объектов. 2.3 Методы определения вершин многогранника. При использовании приведенных в параграфе № 2.2 методов выделения контуров объектов можно получить изображение с выделенными контурами объектов. В качестве примера, иллюстрирующего работу алгоритмов выделения контуров, можно привести обработку изображения с идеальными условиями (рис. 2.8), при которых отсутствуют цифровые шумы, цветовые изменения фона, пыль, имеется высокая контрастность и т.д, На рисунке изображены фигуры эллиптического характера, черный контур которых характеризуют переход от фона к цвету гранулы.
Рис. 2.8 Условное изображение гранул с выделенными контурами при идеальных условиях Для дальнейшего анализа изображения и самих гранул необходимо выделить каждую гранулу, как самостоятельный геометрический объект, который представляет собой выпуклый многогранник, вершины которого лежат на контуре гранулы.
При решении этой задачи стоит рассмотреть изображение контура единичной гранулы ~рис. 2.9). Рис. 2.9 Изображение контура одной гранулы Поскольку матрица цифровой видеокамеры считывает изображение попиксельно„ то изображение представляет собой двумерную матрицу размерами и х 6 пикселов, где и — ширина изображения, 6 — высота изображения. Каждый пиксел изображения принадлежит матрице а/и,1г1, имеет координату. Пусть существуют такие точки А~х1,у1), В~х2,у21, которые лежат на контуре гранулы, а так же на одной прямой, при этом у1 = у2, х1 ~ х2. Анализ контурного изображения, с целью нахождения опорных точек, происходит методом попиксельного сканирования, в процессе которого цвет пиксела контурного изображения с координатами х;, у, проверяется на эквивалентность с черным и белым цветом.
Блок-схема алгоритма нахождения опорных точек представлена на рис. 2.10. Алгоритм данной блокс-хемы характеризует последовательный перебор пикселов с целью нахождения пиксела нужного цвета. 106 АВ =х2 — х1, (2.11) тогда координата хО рассчитывается по формуле: хО = х1 + ('х2 — х1) /2. тот Рис.
2.10 Блок-схема поиска координат опорных точек Имея полученные координаты точек А~х1,уЦ и ВГх2,у2), необходимо произвести расчет координаты точки 01хО, УО), лежащей на прямой АВ, такой что АО = ОВ (рис. 2.11), Зная, что у! = у2 = уО можно произвести вычисление длины отрезка АВ по формуле: Полученные координаты точки О(хО, У0) следует использовать для дальнейшего итеративного поиска точек, лежащих на контуре гранулы. Рис.
2.11 Отображение опорных точек на контуре гранулы Имея координаты точки О(хО, уО), необходимо произвести поиск точек С(хЗ,уЗ), В(х4,у4), таких что точка О(хО, уО), лежит на отрезке СВ, при этом СО=Ой; координаты оси абцисс точек С и В удовлетворяют следующему равенству: ~2.13) Отрезок ВС расположен перпендикулярно отрезку АВ, а точки С и В лежат на границе контура гранулы 1рис. 2.12).
На основании имеющихся данных можно построить многогранник АВС1:1, с вершинами А(х),у1), 8(х2,у2), С(хЗ,уЗ)„ О(х4,у4), который будет характеризовать гранулу в геометрическом представлении. Разумеется, такой многогранник не может в полной степени тоа использоваться,чля анализа геометрических размеров гранулы, поэтому для повышения точности измерений необходимо увеличить число вершин многогранника. Увеличение вершин многогранника необходимо производить с соблюдением заданной точности в, которая может быть представлена как: заданное количество итераций по поиску вершин; общее количество найденных вершин; минимальное расстояние между вершинами. Введение такой переменной необходимо в качестве семафора для выхода из циклов алгоритма поиска вершин.
Рис. 2.12 Точки АВСР, лежащие на контуре гранулы Для увеличения вершин многогранника можно прибегнуть к рекурсивному разбиению имеющихся отрезков АО, ОВ, СО, 00, с последующим нахождением вершин, лежащих на контуре объекта. Графическое представление результата алгоритма показано на рис.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
