Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Полупрофессиональные цифровые фотокамеры тоже максимально автоматизированы, но они в обязательном порядке имеет ручные режимы настройки. Для этого класса цифровых фотокамер обязательно наличие таких функций как: пошаговый многоступенчатый Auto Focus (автоматический фокус) с возможностью выбора режима съемки: макро-, телефото или панорама, а так же преобразовательные линзы; ручные режимы выбора экспозиции, ручной баланс белого цвета, расширенный диапазон скоростей электронной диафрагмы (от 16 секунд до 1/10000 секунды) с ручной настойкой и так далее.

1. Интерфейс и носитель информации.

Из-за большого размера получаемых изображений от 3,5МВ до 15МВ, профессиональные камеры оснащены SCSI интерфейсом или интерфейсом IEEE 1394. Полупрофессиональные и бытовые цифровые фотокамеры дают кадры существенно меньшего размера, и как правило оснащены RS232 (RS422) интерфейсом на последовательный порт ПК и телевидео выходом стандарта PAL/NTSC, некоторые из них дополнительно оснащены USB интерфейсом и инфракрасным портом IrDA 1.0 Носителем информации для профессиональных камер являются PCMCIA карты 2-го, 3-го типа большой емкости, а так же микродрайвы. Полупрофессиональные и бытовые цифровые фотокамеры в качестве носителя информации используют АТА карты 1-го типа стандарта Compact Flash или интеллектуальные карты SmartMedia, а так же всем известные 3,5' Floppy диски (Sony).

1. Технические характеристики.

1. Структурная схема .

Ни одна из самых совершенных систем анализа изображений не заменит квалифицированного исследователя. Это связано с тем, что современная наука не может создать аппаратуру, характеристики которой приближались бы к характеристикам человеческого глаза и которая могла бы заменить человеческий мозг. Вместе с тем системы анализа и обработки изображений, бурно развивающиеся в последние десятилетия, позволяют при участии квалифицированного исследователя на порядки увеличить производительность труда и оперативно получать результаты высокого качества.

Любая современная система анализа изображений включает в себя три сопряженных между собой блока. Во-первых, это оптическое устройство, формирующее изображение, такое как стереомикроскоп или микроскоп. Второй блок - блок передачи и хранения информации, включающий в себя видеокамеру, цифровую фотокамеру или сканер, подключенные к компьютеру. Тип решаемых задач, особенности обработки и форма представления результатов определяет третий компонент системы – ЭВМ и установленное на ней программное обеспечение. При этом блоки должны быть согласованны между собой так, чтобы изображение, сформированное микроскопом или другим прибором, в процессе его передачи на компьютер и последующей обработки испытывало минимальные искажения.

Сканер

Аналоговая Цифровая

Рисунок 3.1 – Структурная схема системы автоматического анализа изображений.

Видеокамера, фотокамера, видеобластер и сканер (в системе может использоваться либо подсистема “фотокамера-сканер” либо подсистема “видеокамера-видеобластер”) являются важными составляющими частями системы и предназначены сохранить и передать полученное от микроскопа изображение с минимальными искажениями в ЭВМ. Естественно чем выше разрешение и чувствительность камеры, а также разрешение видеобластера или сканера, тем более полно изображение, которое они формируют, соответствует оригиналу.

Необходимая разрешающая способность видеокамеры определяется размерами исследуемых объектов изображения. При минимальном линейном размере элемента анализируемого изображения l (мм) разрешение видеокамеры должно быть не менее 1*5/l*e (пикселей на мм) при условии, что для однозначного распознавания объекта изображения на него должно приходиться не менее пяти пикселей разрешения видеокамеры.

Компьютер и установленное на нем программное обеспечение должны обеспечивать передачу и обработку оцифрованного изображения в реальном масштабе времени с минимальными искажениями.

Разрешающая способность и другие характеристики монитора, вплоть до размера экрана, соответствуют устанавливаемой видеокамере и задачам для решения которых используется система.

Принцип работы системы состоит в следующем: изображение снимается с объекта, так как отражение и поглощение света для различных фаз, вследствие наличия особенностей в химическом составе, различное, то в результате получается полутоновое изображение; полученное изображение передается видеокамерой в персональный компьютер, который под управлением специально разработанного программного обеспечения осуществляет автоматический или полуавтоматический анализ полученного изображения.

1. Обзор методов цифровой обработки изображений.

Предварительный анализ изображений позволяет сделать вывод о том, что:

• Во-первых, большинство изображений, в процессе их формирования (фотографирования сканирования и т.д.), подвергаются влиянию ряда негативных факторов (вибрация фотокамеры, неравномерность движения сканирующего элемента и т.д.), приводящих к смазанности, появлению малоконтрастных и зашумленных участков и т.д.

• во-вторых, подавляющее большинство методов основано на выделении объектов на изображении и дальнейшем их анализе.

Таким образом, прежде чем подвергнуться анализу, изображение должно пройти этап препарирования, который состоит в выполнении операций улучшения визуального качества (повышение контраста, устранение размытости, подчеркивание границ, фильтрация) и операций формирования графического препарата (сегментация, выделение контуров) изображения.

Изменение контраста. Слабый контраст обычно вызван малым динамическим диапазоном изменения яркости, либо сильной нелинейностью в передаче уровней яркости. Простейшим методом контрастирования является функциональное отображение градации яркости f_ij в g_ij, то есть g_ij = R(f_ij). На практике очень часто используют линейные функциональные отображения. Если в результате неравномерности освещения при фотографировании или изготовлении фотографий, возникает ситуация, когда различные участки изображения обладают разным контрастом. В таком случае для изменения контраста используют адаптивные алгоритмы контрастирования. Примером может служить алгоритм локального усиления контраста. Экспериментальные исследования подтвердили высокую эффективность работы алгоритма в том случае, если на снимке присутствуют области с явно завышенным или заниженным контрастами.

Суть алгоритма состоит в том, что снимок рассматривается как набор некоторого числа локальных областей, и эти области обрабатываются с учетом их характеристик. Обработка ведется в следующей последовательности: вычисляется коэффициент усиления срезов плотности р отдельно для каждого локального участка изображения. И осуществляется обработка каждого пикселя изображения. Если р равно единице, то над локальным участком изображения никакого действия не производится (если р отлично от единицы, то осуществляется повышение контраста локальной области). Первоначально вычисляется контраст в анализируемой точке относительно ближайшей окрестности. Затем значение относительного контраста складывается с единицей, и полученное значение принимается в алгоритме как коэффициент усиления p, а далее производится вычисление по формуле L_i^{`</sup> = p*L<sub>i</sub> – int(p*L<sub>i</sub>/L<sup>`}_max)*L^{`</sup><sub>max</sub>, где L<sup>`}_i - новое значение яркости, L_i - текущая яркость обрабатываемого изображения, L^`_max - необходимое максимальное значение яркости обработанного изображения.

Сглаживание шумов. Изображения на этапе оцифровки подвергаются воздействию аддитивного и импульсного шума. Аддитивный шум представляет собой некоторый случайный сигнал, который прибавляется к полезному на выходе системы, в рассматриваемом случае аддитивный шум возникает вследствие зернистости пленки. Импульсный шум, в отличие от аддитивного, характеризуется воздействием на полезный сигнал лишь в отдельных случайных точках (значение результирующего сигнала в этих точках принимает случайное значение). Импульсный шум характерен для цифровых систем передачи и хранения изображений. Таким образом, в процессе препарирования изображения возникает задача подавления шума.

Простейшим методом, сглаживающим шум, на изображении является сглаживание, т.е. замена значения яркости каждого элемента средним значением, найденным по его окрестности: f_ij = (1/p)*_k,l(fkl), где f_kl  S₈(f_ij) — множество точек, принадлежащих окрестности точки f_ij (включая и саму точку f_ij); p — число точек в окрестности.

Рассмотренный метод эффективно устраняет аддитивный и импульсный шум в каждом элементе изображения

Подчеркивание границ. Методы сглаживания изображений могут устранять шум очень эффективно. Существенным недостатком алгоритмов сглаживания является смаз изображения (т.е. снижение четкости контурных элементов), при этом величина смаза пропорциональна размеру маски, используемой для сглаживания. Для однозначного анализа изображений, особенно при вычислении геометрических характеристик структурных элементов, очень важно убрать смаз с контуров объектов в изображении, то есть усилить разницу между градациями яркости контурных элементов объекта и соседних элементов фона. В этом случае при обработке изображений используются методы подчеркивания контуров.

Обычно подчеркивание границ осуществляется методом высокочастотной пространственной фильтрации. Характеристики фильтров задаются в виде маски, в которой среднее значение должно быть равно нулю.

Еще одним методом подчеркивания границ является так называемое статическое дифференцирование. В этом методе значение яркости каждого элемента делится на статистическую оценку среднеквадратического отклонения _F, то есть g_ij = f_ij/_F (среднеквадратическое отклонение вычисляется в некоторой окрестности элемента f_ij).

Медианная фильтрация. Медианная фильтрация относится к нелинейным методам обработки изображений и имеет следующие преимущества перед линейной фильтрацией (классической процедуры сглаживания): сохраняет резкие перепады (границы); эффективно сглаживает импульсный шум; не изменяет яркость фона.

Медианная фильтрация осуществляется путем движения некоторой апертуры (маски) вдоль дискретного изображения и замены значения центрального элемента маски медианным значением (среднее значение упорядоченной последовательности) исходных элементов внутри апертуры. В общем случае, апертура может иметь самую разнообразную форму, но на практике чаще всего применяется квадратная апертура размером (2k+1)*(2k+1), где k=1,2,...

Сегментация изображений. Под сегментацией изображения понимается процесс его разбиения на составные части, имеющие содержательный смысл: объекты, их границы или другие информативные фрагменты, характерные геометрические особенности и др. В случае автоматизации методов получения изображений сегментацию необходимо рассматривать как основной начальный этап анализа, заключающийся в построении формального описания изображения, качество выполнения которого во многом определяет успех решения задачи распознавания и интерпретации объектов.

В общем случае сегментация представляет собой операцию разбиения конечного множества плоскости, на которой определена функция исходного изображения f(x,y) на k непустых связанных подмножеств s_i (i=[1,k]) в соответствии с некоторым предикатом P, определяемом на множестве S={s₁,s₂,…,s_k} и принимающий истинные значения, когда любая пара точек из каждого подмножества s_i удовлетворяет некоторому критерию однородности (например, критерий однородности, основанный на оценке максимальной разности яркости отдельного пикселя и среднего значения яркости, вычисленного по соответствующей области).

Методы сегментации можно разделить на следующие основные группы:

1. Пороговые методы сегментации. Эти методы заключается в преобразовании функции яркости изображения оператором вида:

T H: f(i,j) f_s(i,j),

_p при T_p  f_s(i,j) < T_p+1

f_s(i,j) = ₀ при f_s(i,j)  T₀

_k-1 при f_s(i,j) > T_k-1,

где f_s(i,j) — сегментированное изображение; k — число областей сегментации; ₀, ₁ , ..., _k-1 — метки сегментированных областей; T₀, T₁ , ..., T_k-1 — упорядоченные величины порогов T₀<T₁<T_k-1 (при выборе порогов применяют, как правило, гистограмму распределения яркостей цифрового изображения).

2. Методы наращивания областей. Методы этой группы основаны на использовании локальных признаков изображения. Идея метода наращивания областей состоит в анализе сначала стартовой точки, затем ее соседних точек и т.д. в соответствии с некоторым критерием однородности, и в последующем зачислении проанализированных точек в ту или иную группу (количество стартовых точек должно быть равно количеству однородных областей на изображении). В более эффективных вариантах метода в качестве отправной точки используются не отдельные пиксели, а разбиение изображения на ряд небольших областей. Затем каждая область проверяется на однородность, и если результат проверки оказывается отрицательным, то соответствующая область разбивается на более мелкие участки. Процесс продолжается до тех пор, пока все выделенные области не выдержат проверку на однородность. После этого начинается формирование однородных областей при помощи наращивания.

Проведенный анализ показывает, что пороговая сегментация и сегментация по критерию однородности на основе средней яркости часто не дает желаемых результатов. Такая сегментация обычно приводит к появлению значительного числа небольших областей, не имеющих реальных прототипов на изображении. Наиболее эффективные результаты дает сегментация по критерию однородности на основе текстуры (или текстурных признаков).

Выделение контуров. Не редко приходится сталкиваться с задачей нахождения периметров, кривизны, факторов формы, удельной поверхности объектов и т.д. Все перечисленные задачи так или иначе связаны с анализом контурных элементов объектов.

Методы выделения контуров (границ) на изображении можно разделить на следующие основные классы:

• методы высокочастотной фильтрации;

• методы пространственного дифференцирования;

• методы функциональной аппроксимации;

Общим для всех этих методов является стремление рассматривать границы как область резкого перепада функции яркости изображения f(i,j); отличает же их вводимая математическая модель понятия границы и алгоритм поиска граничных точек.

В соответствии с поставленными задачами к алгоритмам выделения контуров предъявляются следующие требования: выделенные контура должны быть утоньщенными, без разрывов и замкнутыми. Таким образом, процесс выделения контуров несколько усложняется в связи необходимостью применять алгоритмы утоньшения и устранения разрывов. Однако и это не всегда дает желаемого результата – в большинстве случаев контуры получаются незамкнутыми и, как следствие, непригодными для ряда процедур анализа.

Разрешить возникшую задачу можно, производя оконтуривание алгоритмом прослеживания границ методом “жука”, который позволяет выделить замкнутые контура объектов [9]. Суть алгоритма состоит в следующем: на объекте выбирается некоторая стартовая граничная точка и долее происходит последовательное прослеживание контура до тех пор, пока не будет достигнута стартовая точка. В случае прослеживания контура по часовой стрелке для достижения стартовой точки осуществляется по пиксельное движение вправо, если пиксель находится вне объекта, и влево, если – на объекте.

Выделенный таким образом контур представляет собой замкнутый цепной код, т.е. последовательность координат граничных точек объекта, что очень удобно для решения поставленных задач.

1. Принципы действия цифровых фотокамер.

В цифровой, в отличие от оптической, фототехнике роль светочувствительного элемента выполняют CCD-матрицы или CCD-линейки, преобразующие изображение в последовательность электрических импульсов цифрового кода.
Механической основой для цифровых камер с CCD-матрицей служат полупрофессиональные и профессиональные фотоаппараты ведущих мировых производителей, в которых CCD-матрица ставится на место светочувствительной пленки. Такие фотоаппараты имеют сменную оптику, съемное запоминающее устройство, встроенную вспышку. Затвор таких камер отрабатывает выдержки от 1/40000 до нескольких секунд. Они применяются в основном для оперативной фотосъемки.
Принцип действия цифровой фотокамеры с CCD-линейкой аналогичен планшетному сканеру. Принимающий элемент (CCD-линейка) движется вдоль чувствительной зоны камеры, постоянно сканируя заданное пространство. Таким образом, принцип действия цифровой фотокамеры состоит в следующем: пучок лучей света от объекта съемки, проходя через линзу (или систему линз) объектива и диафрагму, попадает на матрицу CCD (Charged Coupled Device). Матрица CCD или, как ее еще называют, ПЗС (преобразователь свет-сигнал) представляет собой прямоугольную матрицу из светочувствительных элементов. Луч света, попадая на чувствительный элемент, преобразуется в аналоговый электрический сигнал. Аналоговые сигналы от CCD преобразуются в цифровые, обрабатываются и записывается в память. Преобразование сигналов в цифровую форму производится с помощью аналого-цифрового преобразователя ADC.

Кроме CCD, ADC и памяти в электрическую схему цифровой фотокамеры входят процессор DSP, который формирует изображение из цифровых потоков, и конвертор JPEG, сжимающий изображения для увеличения количества хранимых кадров.

Несколько слов об общих чертах современного цифрового фотоаппарата.
Широкий выбор уровней разрешения регистрируемых кадров от максимального в 1712 x 1368 до стандартного 1280 x 1024 и низкого 320 x 240, в основном ориентированного на задачи Internet. Использование для хранения изображений сменных карт флэш-памяти значительной емкости (не менее 8 MB). Здесь основными стандартами являются Smart Media, Compact-Flash, Memory Stick. В настоящее время предлагаются Smart Media карты емкостью от 2 до 32 MB. Однако в последнее время наметилась тенденция усиления позиций стандарта Compact-Flash. IBM удивила мир микродиском емкостью 340 MB. Столь высокая емкость позволяет записывать сотни кадров с максимальным разрешением (размер не компрессированного кадра 1600 x 1200 составляет около 4 MB).
Сменные карты не исключают наличия встроенной памяти. Она используется как буфер для ускорения процессов внутренней обработки кадров и записи последовательных кадров.

Стандартный набор функций автоматической установки параметров съемки: фокуса, выдержки, экспозиции, диафрагмы, расстояния фокусировки, ручной коррекции экспозиции. Почти обязательной чертой оптического видоискателя является возможность диоптрийной коррекции. Встроенная вспышка (до 5-6 различных режимов) дальностью действия не менее 3 м. Все чаще цифровые камеры оснащаются дополнительным цифровым USB выходом. Скорость передачи данных при этом возрастает в десятки раз, процесс перекачки больших кадров занимает всего несколько секунд.
В большинстве камер имеется дополнительный выход для просмотра изображения на TV.
Возможность съемки последовательных кадров через заранее заданные интервалы времени от 10-30 секунд до 3 часов. Автоматический выбор лучшего кадра из последовательно снятой серии одного объекта. Реализация панорамных съемок, когда несколько кадров объединяются в одно широкоугольное изображение.

Заключение

В заключение хочется сказать, что прежде чем совершить покупку следует четко определить для себя цели и задачи, которые вы собираетесь решать с помощью этого оборудования, так как его цена на порядок превышает цену оптической техники. Надеюсь, что представленная здесь информация поможет вам!

Список литературы:

1. web-site: www.21vek..ru

2. web-site: www.fotovideo.ru

3. Журнал «ТКТ».

4. Олифер В.Г., Олифер Н.А. «Компьютерные сети».

5. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер с англ. – М.: Радио и связь, 1986 – 400 с., ил.

6. Прэтт У. Цифровая обработка изображений: Пер. с англ. – М: Мир, 1982. – Кн.2 – 480с., – ил.

7. Садыков С.С. Цифровая обработка и анализ изображений – Ташкент: НПО “Кибернетика” АН РУз – 1994 – 193 с.

8. Ярославский Л.П. Введение в цифровую обработку изображений. – М: Сов. радио, 1979 – 312 с., ил.

15

Характеристики

Список файлов реферата