Гонсалес Р., Вудс Р. Цифровая обработка изображений (3-е изд., 2012) (1246138), страница 12
Текст из файла (страница 12)
1.23.Результатом этих процедур обычно являются атрибуты изображенийБыло бы полезно разделить изложенный в последующих главах материал на двебольшие категории, упомянутые в разделе 1.1: методы, в которых на входе и навыходе имеются изображения, и методы, где на вход поступают изображения,а на выходе возникают признаки и атрибуты, выделенные на основании этихизображений. Такая организация материала книги сведена в схему, изображенную на рис. 1.23.
Эта схема не подразумевает, что к изображению применяетсякаждый из описанных процессов, напротив, целью было донести принципывсех методов обработки, которые могут применяться к изображениям в различных целях и, возможно, с различными получаемыми результатами. Проводимое в данном разделе обсуждение можно рассматривать как краткий обзорматериала, представленного в остальной части книги.Регистрация изображения — первый из процессов, показанных на рис. 1.23.Обсуждение, проведенное в разделе 1.3, дает некоторую информацию относительно возможных источников цифровых изображений, однако значительноболее подробно эта тема рассматривается в главе 2, где также вводится ряд базовых понятий, относящихся к цифровым изображениям и используемых далееОсновные стадии цифровой обработки изображений.
Внутри блоковуказаны главы, в которых рассматривается соответствующий материал52Глава 1. Введениена протяжении всей книги. Заметим, что регистрация изображения может оказаться предельно простой, как в случае, когда исходное изображение уже представлено в цифровой форме. В общем случае стадия регистрации изображениявключает некоторую предобработку, например масштабирование.Улучшение изображения — это процесс манипулирования изображением, в результате которого оно становится более подходящим для конкретногоприменения, чем оригинал.
Здесь важно слово «конкретного», поскольку онос самого начала устанавливает, что методы улучшения изображений являютсяпроблемно-ориентированными. Так, например, метод, который весьма полезендля улучшения рентгеновских изображений, может оказаться не лучшим подходом для улучшения спутниковых изображений, снятых в инфракрасном диапазоне электромагнитного спектра.Общей «теории» улучшения изображений не существует. Если изображение обрабатывается с целью визуальной интерпретации, то оценку, насколькохорошо работает конкретный метод, дает в конечном счете наблюдатель. Методы улучшения настолько разнообразны и используют так много различныхподходов к обработке изображения, что трудно собрать осмысленную совокупность подходящих для улучшения методов в одной главе, не проводя отдельноеобширное исследование.
Для новичков в области обработки изображений всесвязанное с улучшением изображений представляется визуально привлекательным, интересным и относительно простым для понимания. По указаннымвыше причинам мы используем улучшение изображений в качестве примеров,когда вводим в рассмотрение новые концепции в части главы 2, а также в главах 3 и 4.
Материал двух последних глав охватывает многие методы, традиционно применяемые для улучшения изображений. Таким образом, привлекаяпримеры из области улучшения изображений для представления новых методов обработки изображений уже в этих начальных главах, мы не только избавляемся от необходимости включения в книгу особой главы об улучшении изображений, но, что еще важнее, эффективно вовлекаем начинающих в деталиметодов обработки изображений на ранней стадии изучения. Однако, как будетвидно по мере освоения остальной части книги, введенный в этих главах материал применим для намного более широкого класса задач, чем только лишьулучшение изображений.Восстановление изображений — это область, также связанная с повышениемвизуального качества изображения, однако, в отличие от собственно улучшения, критерии которого субъективны, восстановление изображения являетсяобъективным в том смысле, что методы восстановления изображений опираются на математические или вероятностные модели искажений изображения.Напротив, улучшение изображений основано на субъективных предпочтенияхчеловеческого восприятия, которые связаны с тем, что именно считается «хорошим» результатом улучшения.Обработка цветных изображений приобрела особую важность в связи со значительным расширением использования цветных изображений в Интернете.В главе 6 излагается ряд фундаментальных понятий, относящихся к цветовыммоделям и основным видам цифровых преобразований цветов.
Цвет также используется в последующих главах как основа для выделения из изображениянекоторых интересующих признаков.1.4. Основные стадии цифровой обработки изображений53Вейвлеты образуют фундамент для представления изображений в нескольких масштабах одновременно. В частности, этот аппарат используется в книгеприменительно к сжатию данных изображения, а также для построения пирамидального представления, при котором изображение поэтапно разбиваетсяна все более мелкие фрагменты.Сжатие, как следует из самого названия, относится к методам уменьшенияобъема памяти, необходимого для хранения изображения, или сужения полосы пропускания канала, требуемой для его передачи. Хотя техника запоминающих устройств за последнее десятилетие была значительно усовершенствована, этого нельзя сказать в отношении пропускной способности линий связи.Это особенно справедливо по отношению к информации в Интернете, где изобразительная составляющая является существенным элементом содержимого.Со сжатием изображений знакомы (возможно, не отдавая себе в этом отчета)большинство пользователей компьютеров, встречающих в именах графическихфайлов определенные расширения; например, jpg используется в стандартесжатия изображений, разработанном Объединенной группой экспертов по фотографии (Joint Photographic Experts Group — JPEG).Морфологическая обработка связана с инструментами для извлечения такихкомпонентов изображения, которые могут быть полезны для представленияи описания формы.
Приведенный в этой главе материал дает основы переходаот процессов, имеющих на выходе изображение, к процессам, имеющим на выходе атрибуты изображения, как это указывалось в разделе 1.1.Сегментация разделяет изображение на составные части или объекты.В целом автоматическая сегментация принадлежит к числу самых трудных задач цифровой обработки изображений. Излишне подробная сегментация направляет процесс на длинный путь решения задачи, требуя идентификацииобъектов по отдельности.
С другой стороны, недостаточно подробная или женеверная сегментация почти неизбежно приведет к возникновению ошибокна финальной стадии обработки. В общем, чем точнее сегментация, тем большешансов на успех при распознавании.Представление и описание почти всегда следуют непосредственно за этапомсегментации, на выходе которого обычно имеются лишь необработанные данные о пикселях, которые либо образуют границу области (т.
е. дается множествопикселей, отделяющих одну область изображения от другой), либо представляют все точки самих областей. В обоих случаях необходимо преобразовать данные в форму, пригодную для компьютерной обработки. Первое решение, которое следует принять, — должны ли эти данные представляться в форме толькограниц областей или областей целиком. Представление в виде границ подходитдля тех случаев, когда в центре внимания находятся внешние характеристикиформы областей, например углы и изгибы. Представление в виде областей является предпочтительным, если акцент делается на внутренних свойствах объектов, например текстуре или форме скелета.
В некоторых приложениях этипредставления дополняют друг друга. Выбор способа представления — лишьчасть принятия решения по преобразованию «сырых» пиксельных данныхв подходящую для дальнейшей компьютерной обработки форму. Должен бытьеще указан метод описания данных, при котором бы выдвигались на переднийплан интересующие признаки. Построение описания, иначе называемое выбором54Глава 1. Введениепризнаков, связано с выделением атрибутов, которые бы выражали интересующую информацию в количественном виде или бы могли служить основой дляразличения классов объектов.Распознавание представляет собой процесс, который присваивает некоторому объекту идентификатор (например «транспортное средство») на основанииего описателей. Как подробно разъяснялось в разделе 1.1, мы считаем, что сферацифровой обработки изображений заканчивается разработкой методов распознавания отдельных объектов.До настоящего момента ничего не говорилось о необходимости априорныхзнаний или, в терминах рис.
1.23, о взаимосвязи между базой знаний и модулями обработки. На самом деле знание о проблемной области (т. е. база знаний)некоторым образом закодировано внутри самой системы обработки изображений. Это знание может быть очень простым, как, например, детальное указаниеучастков изображения, где должна находиться интересующая информация, чтопозволит сузить область ее поиска. База знаний может быть и очень сложной,как, например, взаимосвязанный список всех наиболее вероятных дефектовв задаче контроля материалов либо база данных спутниковых изображений некоторого района с высоким разрешением в прикладных задачах мониторинга.Помимо того, что база знаний руководит работой каждого модуля обработки,она также управляет взаимодействием между модулями. Эта особенность показана на рис.
1.23 с помощью двунаправленных стрелок между обрабатывающими модулями и базой знаний.Хотя мы не обсуждаем в этом месте задачу визуализации изображений, важно иметь в виду, что на выходе любой из показанных на рис. 1.23 стадий можетвыполняться отображение результатов обработки. Отметим также, что не вовсех прикладных задачах обработки изображений требуется вся сложностьвзаимодействия, подразумеваемого рис. 1.23. На самом деле во многих случаяхдаже не все эти модули необходимы. Например, улучшение изображений длявизуальной интерпретации человеком редко нуждается в использовании какихлибо других стадий из числа показанных на рис. 1.23.
В общем случае, однако,чем выше сложность задачи обработки изображений, тем большее число процессов требуется привлекать для решения этой задачи.1.5. Êîìïîíåíòû ñèñòåìû îáðàáîòêè èçîáðàæåíèéЕще в середине 1980-х гг. большинство поступающих на рынок образцов систем обработки изображений были относительно крупными периферийнымиустройствами, которые соединялись со столь же громоздкими компьютерами.Позднее — в конце 1980-х — начале 1990-х гг. — на рынке произошел переходк аппаратуре обработки изображений в виде одиночной платы, конструктивно совместимой с какой-либо из ставших стандартом магистралей и пригоднойдля установки в индустриальные и персональные компьютеры. Наряду со снижением стоимости такой аппаратуры рынок также стал катализатором для возникновения значительного числа новых компаний, ориентированных на разработку программного обеспечения специально для обработки изображений.1.5.
Компоненты системы обработки изображений55СетьПодсистемаотображенияКомпьютерПодсистемамассовой памятиПодсистемавыдачитвердой копииСпециализированныеустройстваобработкиизображенийПрограммыобработкиизображенийПодсистемарегистрацииизображенийПроблемная областьРис.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
