Воротников С.А. - Информационные устройства робототехнических систем (960722), страница 63
Текст из файла (страница 63)
Примерами являются мелкие детали, вспышки света и т, и. Использование при кодировании групп разной длины эквивалентно применению разных коэффициентов сжатия и, следовательно, переменной скорости кодирования 6. Сиспгемы технического зрепия (табл. 6.10). Этот подход является основным при записи динамических изображений длительностью более 120 мин. Недостатком сжатия с переменной скоростью является существенное влияние человеческого фактора. В табл.
6.10 приведен пример сжатия тестового изображения (без мелких деталей) с частотой кадровой развертки 30 Гц и размером кадра 320х 240 пикселей с помощью различных алгоритмов сжатия. Таблица 6.10 Сравнение некоторых алгоритмов сжатии дннамнческих изображений б.б. Базовые алгоритмы обработки изображении б.бЛ. Общие сведения В настоящее время существуют десятки коммерческих пакетов обработки статических и динамических изображений (фотографий, видеофильмов, текстов и др.); Существующие системы контроля доступа используют программы распознавания лиц, отпечатков пальцев и радужной оболочки глаза.
Известны также программы распознавания номеров транспортных средств, штрих-кодов и пр. Многие из этих программ входят в состав СТЗ, функционирующих в реальном масштабе времени. При этом все необходимые процедуры выполняются в темпе поступления данных, что часто требует реализации ряда алгоритмических функций аппаратными средствами. Активные исследования процедур- обработки изображения начались в начале ХХ в. Одной из первых была работа Л. Вертхсймсра, обнаружившего„что при восприятии движущегося изображения оно представляется нс как совокупность отдельных точек, а как целостная структура.
Аналогисй здесь является стая птиц, воспринимаемая как единое целое„в котором отдельные птицы не различаются. В конце 50-х годов ХХ в. появились первые алгоритмы обработки изображений и распознавания образов. Эти алгоритмы, созданные в нейрофизиологических лабораториях, и сейчас весьма популярны, хотя их компьютерные реализации либо узкоспециализированы, либо недостаточно надежны. 300 6.6. Базовые алгоритмы обработки нзображевия В настоящее время доказано, что при обработке визуальной информации зрительный аппарат животных и людей широко использует операторные принципы, в соответствии с которыми над массивом элементов, образующих изображение, выполняются некоторые типовые .процедуры (фильтрация, дифференцирование и др.). Кроме тога, сам этот массив представляет собой совакутпюсть нс точек, а фрагментов, включающих отрезки границ, текстуры и т.
д. Попытки описать эти процедуры привели к появлению оригинальных моделей — операторов Хюкеля и Робертса, алгоритма Уолша (изображение интерпретируют гранями, ребрами и затененными областями) и др. Наиболсс удачные алгоритмы обработки изображения обязаны своим появлением работам в области физиологии зрения. Существенный вклад внесли американские физиологи Х.
Уилсон и Д. Берген, которые в 70-х годах ХХ в. обнаружили в зрительном анализаторе человека несколько визуальных каналов, обладающих избирательностью по ориентации и разрешающей способности. На основании этих результатов была предложена модель, в которой каждая точка поля зрения анализируется четырьмя информациапными каналами„содержащими фильтры-маски. Размер маски линейно растет с увеличением углового расстояния от центральной ямки глаза до соответствующего канала. В порядке увеличения размера маски каналы получили названия Ж,.5, Т и К причем канал Ф обладает наибольшей чувствительностью, а канал У вЂ” наименьшей. Угловое поле сосгавляет 3,1" — для канала И (примерна 9 колбочек центральной ямки); 6„2' — для канала Я; 11,7' — для канала Т и 21" — для канала К Ал.оритмическую основу преобразовании информации в каналах обнаружили Д. Марр и Е.
Хилдрет. Предложенная ими функция преобразования наилучшим образом описывается дифференциальным операторным филь1- р 72 у( у') е ~21, ~21 Д~ 2 + ~2У ~,)у2 где Ч вЂ” оператор Лапласа, ~7 =д /дх +д /ду, Двухмерная плотность вероятности Р!. (х, у) характеризует распределения яркости точек поля зрения с координатами (х, у) и средним квадратичным отклонением О: х +у Р,.(х, у) = ехр— оЛк 2па Следовательно, яркость точек поля зрения внутри маски имеет нормальное распределение.
Указанный фильтр позволяет зрителыюму анализатору эффективно определять границы изменения яркости по полю зрения. Эта возможность обусловлена двумя существенными свойствами фильтра: вопервых, он вычисляет первую и вторую пространственную производную 30! 6. Системы технического зрения распределения яркости и, во-вторых, работает с масками всех четырех информационных каналов, благодаря чему используются общие принципы для обработки различных по размеру фрагментов изображения. Это позволяет определять границы изображения на размытых участках больших фрагментов и обнаруживать малые элементы изображения на его хорошо сфокусированных участках. Подобные операторные фильтры широко используют в современных СТЗ для нахождения границ областей изображения, элементов его фактуры, при сегментации изображения и т.
д. Алгоритмическое обеспечение СТЗ построено по иерархическому принципу. Сложность алгоритмов определяется целью, которую необходимо достичь с помощью СТЗ. Так, практически все СТЗ содержат алгоритмы обработки, позволяющие получить изображения конкретных объектов с заданным качеством. Целью таких СТЗ является обнаружение объекта, вычисление его геометрических параметров (линейных и угловых размеров, площади и пр.).
В более сложных СТЗ требуется определение параметров нескольких ооъсктов, нахождение их относительных скоростей и т. д, Наконец, в ряде случаев СТЗ приходится решать задачи обнаружения неупорядоченно расположенных объектов при их соприкосновении и перекрытии, вычисления их признаков, классификации и т. п. Этот класс задач решается с помощью алгоритмов анализа визуальных образов.
Если СТЗ не содержит таких алгоритмов, то ее можно отнести к системам низкого и среднего уровня (см. табл. 6.2). Сущность обработки изображения заключается в приведении исходного изображения сцены к виду, позволяющему решить задачу распознавания ее объектов. Это многочисленные процедуры предварительной обработки, заключающиеся в улучшении изображения, его бинаризации, получении контурного представления изображения, выделении на изображении объектов сцены и определении их признаков. Конечной целью обработки изображения в СТЗ является подготовка объектов сцены к распознаваншо, т.
с. отнесению их изображений к некоторым заранее заданным классам. Несмотря на многообразие прсдставленных процедур преобразования информации, в СТЗ обычно выделяют три основных этапа обработки: 1) предварительная обработка изображения; 2) сегментация; 3) описанис.
Предварительная обработка, в свою очередь, имеет две базовые стадии: формирование изображения и его кодирование (сжатие). Последовательность этапов не является жесткой и зависит от конкретной задачи. Например, кодирование в зависимости от вида сцены может проводиться как до, так и после сегментации. В частности, для сцен, содержащих несколько объектов, сегментация предшествует кодированию, Бинаризация также возможна как до, так и после процедуры выделения контуров. В первом случае улучшение, сглаживание и бинаризация реализуются группой алгоритмов, основанных на анализе гистограмм распределения яркости изображения. 6.6, Базовые алгоритмы обрабоииси изображения 6.6.2. Предварительная обработка изображения Все методы предварительной обработки изображения в СТЗ подразделяют на пространственные и частотные, Пространственные методы являются процедурами, оперирующими непосредственно с пикселями изображения.
В качестве характеристики изображения используется яркость У(х, у). Частотныс методы связаны с переводом изображения в комплексную плоскость с помощью преобразования Фурье, Примером частотного кодирования является рассмотренная ранее процедура ДКП. При рассмотрении процедур предварительной обработки ограничимся толь~о пространственными методами, а исходное изображение будем считать полутоновым. На первом этапе предваритсльной обработки происходит форл~ирование изображения.
Формированием изображения называется процедура непосредственного получения изображения в виде расположенного в памяти видеопроцессора массива дискретных элементов — пикселей, образующих матрицу или контур. Пример изображения тестового объекта представлен па рис. 6.18, а. Рис. 6.18. Исходное (а) и бинаризованное (б) изображения тестового объекта В СТЗ на этапе формирования изображения выбирают порог яркости путем регулирования освещения и проводят фильтрацию изображения. При фильтрации компенсируются помехи на изображении, а также выделяются его контуры — края и линии. Как уже отмечалось, до 90 % всей информации об изображении содержится в его контуре. При необходимости на этом же этапе выполняют бинаризацию, т.
е, преобразуют полутоновое изображение в бинарное (рис. 6.18, 6). Заметим, что после выделения контуров значительно уменьшается объем визуальной информации, так как обычно запоминаются только координаты и яркости элементов в точках перепада. б. Системы технического зрения Перепад яркости рассматривают относительно некоторого ее порогового значения. Выбор порога яркости является важнейшей процедурой первого этапа предварительной обработки изображения в СТЗ, поскольку его качество сильно зависит от освещенности рабочей сцены. Если освещенность занижена„то увеличивается количество помех на изображении вплоть до потери объекта; при очень сильной освещенности происходит засвечивание изображения, т. е. объект снова пропадает.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
